如何优雅地计算ruby中单词的字谜签名？

出于这个问题，我正在寻找一种优雅的（ruby）方法来计算答案中建议的单词签名

建议的想法是对单词中的字母进行排序，并对重复的字母进行游程编码。例如，“mississippi”首先变成“IIIIMPPSSS”，然后可以通过编码为“4impp4s”进一步缩短

我对ruby还比较陌生，虽然我可以一起破解一些东西，但我相信这对于那些对ruby有更多经验的人来说是一个简单的例子。我很想了解人们的方法，提高我的ruby知识

---

编辑：澄清一下，计算签名的性能对我的应用程序没有多大影响。我希望计算签名，这样我就可以将它与每个单词一起存储在一个大型单词数据库中（450K个单词），然后查询具有相同签名的单词（即给定单词的所有拼字法，即实际的英语单词）。因此，人们关注空间。“优雅”部分只是为了满足我的好奇心。

我也不是一个喜欢Ruby的人，但正如我在另一条评论中所指出的，这似乎适用于所描述的算法

s = "mississippi"
s.split('').sort.join.gsub(/(.)\1{2,}/) { |s| s.length.to_s + s[0,1] } 

当然，您需要确保单词是小写的，不包含数字等

根据要求，我将尝试解释代码。请原谅我，如果我没有得到所有的Ruby或reg-ex术语正确，但这里有

我认为拆分/排序/连接部分非常简单。对我来说，有趣的部分是从打电话给gsub开始的。这将用后面块的返回值替换与正则表达式匹配的子字符串。reg ex查找任何字符并创建反向引用。这就是“（）”部分。然后，我们使用反向引用“\1”继续匹配过程，该反向引用的计算结果为匹配的第一部分找到的任何字符。我们希望在总共最少出现三次的情况下，至少再找到该字符两次。这是使用量词“{2，}”完成的

如果找到匹配项，则匹配的子字符串将作为参数传递给下一个代码块，这要归功于“|s |”部分。最后，我们使用匹配子字符串长度的字符串等价物，并将构成该子字符串的任何字符（它们都应该相同）附加到该字符串，然后返回连接的值。返回的值替换原始匹配的子字符串。整个过程将继续进行，直到没有任何内容需要匹配，因为它是原始字符串的全局替换

---

如果这让人困惑，我道歉。通常情况下，对我来说，将解决方案形象化要比清楚地解释更容易。

我看不到一个优雅的解决方案。您可以使用

split

消息将字符放入数组中，但是一旦您对列表进行了排序，我就看不到一个很好的线性时间连接原语来返回字符串。我很惊讶

顺便说一句，运行长度编码几乎肯定是浪费时间。在我认为值得考虑之前，我必须看到一些令人印象深刻的测量结果。如果避免运行长度编码，则可以对任何字符串进行语法化，而不仅仅是对字母字符串进行语法化。如果你知道你只有字母，并试图节省空间，你可以把它们5位打包成一个字母

---Irma Vep

---

---

编辑：另一张海报找到了我错过的

join

。很好。

创建字母排序列表的最快方法是：

"mississippi".unpack("c*").sort.pack("c*")

---

它比split（“”）和join（）快很多。为了进行比较，最好将数组重新打包成字符串，这样就不必比较数组。

您可以使用str.scan（/。/）或str.split（“”）来形成一个字符数组，对数组进行排序，然后将其与字符串#join，虽然将其重新连接到字符串中是不必要的。+1指出RLE可能不会节省太多空间。您能通过测量支持这一说法吗？例如，在10000个单词的列表中（

/usr/dict/words

？）速度要快多少？这很有趣，但非常神秘。好的，快速比较一下：5.5秒与Ruby 1.8.7的8.5秒相比，所以解包和打包要快一点。我认为与JRuby的区别更大，但我真的不记得了。我为我的字谜查找器做了这个调整：5.5秒在一个32万字+1的dict上，这正是我头脑中想出的解决方案，在考虑了很久之后，我没有看到一个更简单的方法。我编辑了答案，以适应没有滚动条的页面，并将//更改为“”，这与语法突出显示效果更好（it things//开始注释）。似乎工作得很好…您能否编辑以解释其工作原理？拆分/排序/联接将字符串转换为字符数组，对其进行排序，然后将排序结果转换回字符串。gsub用运行长度和运行中的第一个字符（在该运行中所有字符都相同）替换任何3个或更多相同字符的运行。