c – 找出2个相似或不相似的字符串
规则:
2个字符串,a和b,它们都由ASCII字符和非ASCII字符组成(例如,中文字符gbk编码). If the non-ASCII chars contained in b also show up in a and no less than the times they appear in b,then we say b is similar with a. 例如: a = "ab中ef日jkl中本" //non-ASCII chars:'中'(twice),'日'(once),'本'(once) b = "bej中中日" //non-ASCII chars:'中'(twice),'日'(once) c = 'lk日日日' //non-ASCII chars:'日'(3 times,more than twice in a) 根据规则,b与a类似,但c不是. [non-ASCII's hash-value]:[times] 中's hash-val : 2 日's hash-val : 1 本's hash-val : 1 检查字符串b,如果我们在b中遇到非ASCII字符,则对其进行哈希并检查哈希表,如果字符串存在于哈希表中,则其出现时间减1. 还是有更好的方法吗? PS: 解决方法
你问过两个问题:
>我们可以使用哈希表来计算非ASCII字符吗?答:当然.在读取字符(而不是字节)时,请检查代码点.对于大于127的任何代码点,将其放入计数哈希表中.对于字符c,如果c不在表中,则添加(c,1),如果c已经在表中,则将(c,x)更新为(c,x 1). 面试官可能正在寻找你说的话,“嗯,如果这些字符串实际上是大量不适合记忆的文件,我该怎么办?”或者你问“好的字符串排序了吗?因为如果它们是,我可以更快地做到……”. 但现在让我们说这些字符串很大.您在内存中存储的唯一内容是哈希表. Unicode只有大约100万个代码点,并且你为每个代码点存储一个整数,所以即使你从千兆字节大小的文件中获取数据,你的哈希表只需要大约4MB左右(或者是这个的一小部分,因为它会是开销). 在没有任何其他条件的情况下,您的算法很好.事先对字符串进行排序并不好;它占用更多内存,而不是线性时间操作. 附录 由于你的原始注释提到了char类型而不是wchar_t,我想我会展示一个使用宽字符串的例子.见http://codepad.org/B3MXOgqc 希望有所帮助. 附录2 好的,这是一个C程序,它准确地显示了如何通过宽字符串并在角色级别工作: http://codepad.org/QVX3QPat 这是一个非常短的程序,所以我也将它贴在这里: #include <stdio.h> #include <string.h> #include <wchar.h> char *s1 = "abd中日"; wchar_t *s2 = L"abd中日"; int main() { int i,n; printf("length of s1 is %dn",strlen(s1)); printf("length of s2 using wcslen is %dn",wcslen(s2)); printf("The codepoints of the characters of s2 aren"); for (i = 0,n = wcslen(s2); i < n; i++) { printf("%02xn",s2[i]); } return 0; } 输出: length of s1 is 9 length of s2 using wcslen is 5 The codepoints of the characters of s2 are 61 62 64 4e2d 65e5 我们可以从中学到什么?几件事: >如果对CJK字符使用普通旧字符,则字符串长度将是错误的. 在这个例子中,我定义了一个带有CJK字符的字符串,并使用了wchar_t和一个带有wcslen的for循环.请注意,我正在使用真实字符,而不是BYTES,所以我得到正确的字符数,即5.现在我打印出每个代码点.在你的面试问题中,你将看看代码点是否是> = 128.我用Hex显示它们,就像文化一样,所以你可以寻找> 0x7F的. (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |