Python 最长重复(k次)子串
我知道这是一个有点老生常谈的话题,但我已经达到了从已经得到的答案中得到的帮助的极限 这是给孩子们的。我试图在字符串中找到最长的k重复子字符串,我得到了后缀树,这很好。我知道我需要用每个节点的子代叶数注释后缀表,然后找到子代数Python 最长重复(k次)子串,python,algorithm,bioinformatics,longest-substring,Python,Algorithm,Bioinformatics,Longest Substring,我知道这是一个有点老生常谈的话题,但我已经达到了从已经得到的答案中得到的帮助的极限 这是给孩子们的。我试图在字符串中找到最长的k重复子字符串,我得到了后缀树,这很好。我知道我需要用每个节点的子代叶数注释后缀表,然后找到子代数>=k的节点,最后找到这些节点中最深的节点。理论上我已经准备好了 我从以下资源中得到了很多帮助(哦,我只能发布2条): 我可以得到从根到每个叶的路径,但我不知道如何预处理树,以便从每个节点获得后代的数量。我有一个单独的算法,可以处理小序列,但它的复杂度是指数级的,所以
>=k
的节点,最后找到这些节点中最深的节点。理论上我已经准备好了
我从以下资源中得到了很多帮助(哦,我只能发布2条):
sequence
,第二行:k
,后缀表格式:父子位置长度
):
此操作的输出应为CATAC
使用下面的代码(修改自),我已经能够获得路径,但是在较长的序列上解析每个节点的路径仍然需要很长时间
#authors listed at
#http://en.literateprograms.org/Depth-first_search_(Python)?action=history&offset=20081013235803
class Vertex:
def __init__(self, data):
self.data = data
self.successors = []
def depthFirstSearch(start, isGoal, result):
if start in result:
return False
result.append(start)
if isGoal(start):
return True
for v in start.successors:
if depthFirstSearch(v, isGoal, result):
return True
# No path was found
result.pop()
return False
def lrep(seq,reps,tree):
n = 2 * len(seq) - 1
v = [Vertex(i) for i in xrange(n)]
edges = [(int(x[0]),int(x[1])) for x in tree]
for a, b in edges:
v[a].successors.append(v[b])
paths = {}
for x in v:
result = []
paths[x.data] = []
if depthFirstSearch(v[1], (lambda v: v.data == x.data), result):
path = [u.data for u in result]
paths[x.data] = path
我想做的是在查找深度之前,对树进行预处理,以查找满足子体>=k
要求的节点。我甚至还没有弄清楚我将如何计算深度。虽然我想我会有一些字典来跟踪路径中每个节点的深度,然后求和
所以,我的第一个最重要的问题是:“如何预处理带有后代叶子的树?”
我的第二个不太重要的问题是:“在那之后,我如何快速计算深度?”
另外,我应该声明,这不是家庭作业或诸如此类的事情。我只是一个生物化学家,试图通过一些计算挑战来拓展我的视野。对于基本弦运算的练习来说,这是个不错的问题。我不再记得后缀树了;)但正如你所说:从理论上讲,你已经准备好了 如何对具有后代叶子的树进行预处理? 关于这个话题的讨论有点混乱。您只需要知道,您是否是
n>=k
child的最外层非叶节点。如果您在整个字符串中找到了从根节点到这个节点的子字符串,后缀树会告诉您,有n
可能的连续体。因此,必须有n
个地方出现这个字符串
之后,如何快速计算深度?
对于这一问题和许多类似问题,一个简单的关键概念是进行深度优先搜索:在每个节点中,询问子元素的值,并将最大值返回给父元素。根节点将获得最终结果
计算值的方式因问题而异。在这里,每个节点都有三种可能:
n
child,则从根到此节点的每条边的浓缩字符串在整个字符串中出现n
次。如果我们至少需要k
节点和k>n
,结果也是无效的当我深入研究这一点时,我意识到我得到的是一个边列表,而不是树本身。因此,我需要从边缘生成树,同时在每个节点上用后代叶子进行注释。我只是不知道怎么开始,你也可以问。
#authors listed at
#http://en.literateprograms.org/Depth-first_search_(Python)?action=history&offset=20081013235803
class Vertex:
def __init__(self, data):
self.data = data
self.successors = []
def depthFirstSearch(start, isGoal, result):
if start in result:
return False
result.append(start)
if isGoal(start):
return True
for v in start.successors:
if depthFirstSearch(v, isGoal, result):
return True
# No path was found
result.pop()
return False
def lrep(seq,reps,tree):
n = 2 * len(seq) - 1
v = [Vertex(i) for i in xrange(n)]
edges = [(int(x[0]),int(x[1])) for x in tree]
for a, b in edges:
v[a].successors.append(v[b])
paths = {}
for x in v:
result = []
paths[x.data] = []
if depthFirstSearch(v[1], (lambda v: v.data == x.data), result):
path = [u.data for u in result]
paths[x.data] = path
class Node(object):
def __init__(self, idx):
self.idx = idx # not needed but nice for prints
self.parent = None # edge to parent or None
self.childs = [] # list of edges
def get_deepest(self, k = 2):
max_value = -1
max_node = None
for edge in self.childs:
r = edge.n2.get_deepest()
if r is None: continue # leaf
value, node = r
value += len(edge.s)
if value > max_value: # new best result
max_value = value
max_node = node
if max_node is None:
# we are either a leaf (no edge connected) or
# the last non-leaf.
# The number of childs have to be k to be valid.
return (0, self) if len(self.childs) == k else None
else:
return (max_value, max_node)
def get_string_to_root(self):
if self.parent is None: return ""
return self.parent.n1.get_string_to_root() + self.parent.s
class Edge(object):
# creating the edge also sets the correspondending
# values in the nodes
def __init__(self, n1, n2, s):
#print "Edge %d -> %d [ %s]" % (n1.idx, n2.idx, s)
self.n1, self.n2, self.s = n1, n2, s
n1.childs.append(self)
n2.parent = self
nodes = {1 : Node(1)} # root-node
string = sys.stdin.readline()
k = int(sys.stdin.readline())
for line in sys.stdin:
parent_idx, child_idx, start, length = [int(x) for x in line.split()]
s = string[start-1:start-1+length]
# every edge constructs a Node
nodes[child_idx] = Node(child_idx)
Edge(nodes[parent_idx], nodes[child_idx], s)
(depth, node) = nodes[1].get_deepest(k)
print node.get_string_to_root()