Data structures 从字典中获取字谜列表

基本上，字谜就像字符串的排列。例如

stack

，

sackt

，

stakc

都是

stack

的字谜（虽然上面的单词没有意义）。不管怎样，你本可以理解我的基本意思

现在，我想要一个

字谜

列表，给定一百万个单词，或者简单地从字典中说

我的基本问题是

在字典中查找唯一字谜的总数？

分类比较 不会起作用，因为它的时间复杂性非常糟糕

我想过使用哈希表，字符串作为键

但问题是哈希函数应该是什么？如果有一些伪代码 假如一些比上述方法更好的其他方法也会有所帮助

---

谢谢。

一个可能的哈希函数可以是（假设只有英语单词）每个字母出现次数的排序计数。所以对于“字谜”，你会生成[（'a'，3），（'g'，1），（'n'，1），（'m'，1），（'r'，1）]

或者，您可以通过从字生成位掩码来获得不精确的分组，其中对于位0-25，每个位表示该字母的存在或不存在（位0表示“a”到位25表示“z”）。但是，您必须进行更多的处理，进一步分割每个散列组，以区分例如“to”和“too”

这两种想法有帮助吗？考虑到任何特定的实现语言（我可以做C++、Python或Scala）？ 编辑：添加了一些示例Scala代码和输出：

好的：我现在处于Scala模式，所以我已经做了一些事情来满足您的要求，但是（嗯哼）如果您对Scala或函数式编程不太熟悉，可能还不太清楚

使用此处列出的大量英语单词：

我在他们身上运行了这段Scala代码（在脚本模式下使用Scala 2.9大约需要5秒钟，包括编译时间，字典大约有40000个单词。这不是最有效的代码，而是我想到的第一件事）

//从单词到字母计数排序列表的哈希函数
def toHash（b:String）=b.groupBy（x=>x）.map（v=>（v.\u 1，v.\u 2.size））.toList.sortWith（\u.\u 1<\u 1）
//读取文件中的所有单词，每行一个单词
val lines=scala.io.Source.fromFile（“2of12.txt”）.getLines
//从单词列表转到单词列表（散列单词，单词）
val hashed=lines.map（l=>（toHash（l），l））.toList
//按散列将所有单词分组（因此将所有字谜组合在一起）
val grouped=hash.groupBy（x=>x.\u 1.map（els=>（els.\u 1，els.\u 2.map（\u.\u 2）））
//对合成的字谜集进行排序，使最大的字谜集排在第一位
val sorted=grouped.toList.sortWith（u.\u 2.size>u.\u 2.size）
为（套）
排序和比较不起作用，因为它的时间复杂度非常差

将时间复杂度交换为额外内存，只需将单词中字母的计数存储在26-
字符中（或使用任何语言的等效字符，假设您使用的是罗马字母表和字母字符），然后对数组进行散列。您必须使用O（n）相对于单词长度而言，时间是有限的，但大多数英语单词实际上并没有那么长

e、 g.
stack
、
sackt
和
stakc
都将有一个数组，其中
s
、
t
、
a
、
c
、
k
==1，其余的位置都设置为0


根据你的评论，这意味着你确实可以对一个单词的字符进行排序，只要你没有对单词本身进行排序，你可以做一些比Alex的答案更简单的事情，只需对单词字符串中的字符进行排序并对结果进行散列（larsmans先说了，但没有将其作为答案发布，所以…）
如果对每个字符的哈希代码值进行异或运算，然后按输入长度对结果进行异或运算，则无论单词的顺序如何，都会得到相同的值，这意味着所有的字谜将产生相同的哈希值。（按长度进行XORing可防止'boss'和'bo'返回相同的值，因为's'对其自身的哈希值始终为0。）

例如：

int AnagramHash(string input)
{
    int output = 0;

    foreach(char c in input)
        output ^= c.GetHashCode();

    return output ^ input.Length;
}

您仍然需要搜索具有相同AnagramHash的所有单词。我将使用哈希字段更新字典表（无论您的算法如何），以减少总体计算

编辑：
另外，作为旁注，XOR是ALU执行的最简单的操作，因此如果您最终使用它，您应该能够相当快地生成哈希。
显而易见的解决方案是将每个字符映射到一个素数并乘以素数。因此，如果'a'->2和'b'->3，则


‘ab’->6
‘ba’->6
‘bab’->18
“阿巴”->36
‘爸爸’->36

为了尽量减少溢出的可能性，可以将最小的素数分配给更频繁的字母（e、t、i、a、n）。注：第26个素数是101

更新：
使用以字符串作为键、以列表（字符串）作为值的哈希映射，其中字符串列表包含键字符串的所有字谜

这个问题类似于“在文件中查找单词的所有字谜”

在此处查看算法和代码问题不太清楚。你能重新表述一下目标吗？你的意思是：我有一本100万单词的词典，我希望识别词典中所有相互拼音的单词集？例如，如果词典包含：[tap，pat，pot，top]你希望看到[[tap，pat]，[pot，top]]？是的@Alex。我只是想知道有多少不同的字谜？@NicholasDiPiazza希望，我的目标对你来说是清楚的。排序是这里的解决方案，如果你假设单词长度的某个恒定上限，它的复杂性是线性的。你只需对正确的东西进行排序；字符，而不是单词。基本上，我关心的是时间复杂性泰，再看看另一个答案。我想它能解决这两个复杂问题。谢谢，但你说你不想分类，