Python 从字符串数组中删除子字符串的最有效方法

注意：这个问题与Python没有特别的关系。我只是用它来代替这里的伪代码

给定一个数组

A

包含平均长度

M

的

N

字符串，我想创建一个新的数组

B

，该数组只包含

A

中不属于

A

中任何其他字符串的子字符串（或相同副本）。以下是一个例子：

A = [ 'foo', 'bar', 'foobar', 'foobar' ]
B = [ 'foobar' ]

就时间复杂性而言，我特别寻找最有效的方法。这种天真的方法看起来是这样的

B = []
for i in range(0, len(A)):
    noSubstring = True
    for j in range(i + 1, len(A)):
        if A[i] in A[j]:
            noSubstring = False
            break
    if noSubstring:
        B.append(A[i])

时间复杂度为

O（N^2*M^2）

。我能做些什么来加快速度吗

---

我一直在考虑使用专用的数据结构来高效地编码和重用字符串序列。例如，如果我想删除仅作为数组中另一个字符串前缀的字符串，我可以创建一个trie/前缀树（

O（N*M）

），然后收集所有叶元素（另一个

O（N*M）

）。然而，到目前为止，我未能将这种方法应用于更一般的子字符串问题。

首先消除所有重复项。通过在迭代数据时使用哈希表，并存储已经看到的字符串，这是相当容易做到的。（如果您担心哈希表的最坏情况，可以使用or排序和迭代来过滤重复）

过滤掉所有重复项后，为所有剩余字符串创建一个。
创建后缀树后，对于每个字符串，检查它是否作为某个字符串的后缀存在，而该字符串本身不是后缀。这是通过遵循后缀树上从根到字符串末尾的路径来完成的，如果您唯一的选项是完全相同的字符串，则它不是子字符串（否则-它是）

时间复杂性：

• 过滤掉重复：O（n*m）
• 理论上构建后缀树O（n*m），但实际上是在

  O（n*mlog（m））

  中完成的
• 检查每个字符串是否为O（m），然后重复检查

  n

  字符串是否为O（nm）

---

总的复杂度是

O（n*mlog（m））

您可能希望对

a

使用

集，因为您无论如何都不希望重复。下面是一个问题，答案是：在naiva实现中，如果a[i]比a[j]长，您可以避免执行字符串搜索
过滤掉重复数据
-哈希表方法理论上是O（n），对吗？@thefourtheye
O（nm）
，您需要读取所有字符串，每个字符串都需要
O（m）
时间。如果你担心最坏的散列行为，也可以通过排序，甚至是用字符串创建一个trie来完成。它会将检查阶段从O（nm）增加到O（nm log m），但由于构造本身已经非常复杂，所以不会有问题。