Pencocokan string waktu-nyata

15

Tugas

Tugasnya adalah bermain golf algoritma pencocokan string tepat waktu pilihan Anda.

Memasukkan

Dua baris teks disediakan pada input standar, dipisahkan oleh baris baru. Baris pertama berisi "pola" dan hanya akan menjadi string ASCII yang diambil dari surat-surat a-z.

Baris kedua berisi "teks" yang lebih panjang dan juga akan berupa string ASCII yang diambil dari surat-surat a-z.

Keluaran

Daftar indeks di mana pencocokan tepat terjadi. Anda harus menampilkan posisi awal setiap pertandingan yang terjadi.

Spesifikasi

Algoritme Anda dapat menghabiskan waktu linear untuk memproses ulang pola. Kemudian harus membaca teks dari kiri ke kanan dan mengambil waktu konstan untuk setiap karakter tunggal dalam teks dan output setiap kecocokan baru segera setelah itu terjadi. Pertandingan tentu saja bisa saling tumpang tindih.

Algoritma

Ada banyak algoritma pencocokan tepat waktu. Satu disebutkan di wiki untuk KMP misalnya. Anda dapat menggunakan salah satu yang Anda suka tetapi Anda harus selalu menampilkan jawaban yang benar.

Saya akan membuat tabel per pemimpin bahasa sehingga mereka yang lebih suka bahasa populer juga bisa menang dengan cara mereka sendiri. Tolong jelaskan algoritma mana yang telah Anda terapkan.

Waktu sebenarnya

Tampaknya ada banyak kebingungan tentang apa yang dimaksud dengan real-time. Itu tidak hanya berarti waktu linier. Jadi standar KMP tidak real-time. Tautan dalam pertanyaan secara eksplisit menunjuk ke bagian halaman wiki untuk KMP tentang varian real-time KMP. Boyer-Moore-Galil juga tidak real-time. Ini cstheory pertanyaan / jawaban membahas masalah ini atau satu hanya bisa google "real-time yang sebenarnya cocok" atau istilah serupa.

Komunitas
sumber
apakah saya benar dengan menganggap bahwa jawaban yang dijabarkan tidak dihitung? yaitu, kita HARUS melintasi teks secara linear?
sirpercival
Jadi jika saya memiliki string abcddan acbdefg, saya akan menampilkan 1 4, untuk adan d?
ASCIIThenANSI
Saya tidak berpikir itu benar, keduanya adan dcocok. Ada abcddan acbdefg, dan adan dberada pada posisi yang identik.
ASCIIThenANSI
1
@ASCIIThenANSI YA! :)
1
Mengapa kita memiliki 1 indeks berbasis di sini? -.-
Pengoptimal

Jawaban:

3

Python 2, 495 byte

Yang ini adalah KMP real-time, yang jauh lebih pendek dan hanya sedikit lebih lambat daripada algoritma BMG (yang biasanya sublinear). Panggil dengan K(pattern, text); output identik dengan algoritma BMG.

L,R,o=len,range,lambda x:ord(x)-97
def K(P,T):
 M,N=L(P),L(T);Z=[0]*M;Z[0]=M;r=l=0
 for k in R(1,l):
    if k>r:
     n=0
     while n+k<l<P[n]==P[n+k]:n+=1
     Z[k]=n
     if n>0:l,r=k,k+n-1
    else:
     p,_=k-l,r-k+1
     if Z[p]<_:Z[k]=Z[p]
     else:
        i=r+1
        while i<M<P[i]==P[i-k]:i+=1
        Z[k],l,r=i-k,k,i-1
 F=[[0]*26]*M
 for j in R(M-1,0,-1):z=Z[j];i,x=j+z-1,P[z+1];F[i][o(x)]=z
 s=m=0
 while s+m<N:
    c=T[s+m]
    if c==P[m]:
     m+=1
     if m==M:print s,;s+=1;m-=1
    else:
     if m==0:s+=1
     else:f=F[m][o(c)];s+=m-f;m=f
Sirpercival
sumber
Referensi mana yang Anda gunakan untuk KMP waktu-nyata yang tidak menarik?
Algoritma pencarian adalah gabungan dari beberapa, tetapi bagian waktu-nyata datang terutama dari ini dengan sedikit Wikipedia.
sirpercival
2

Python 2, 937 byte

Ini tidak pendek, dengan cara apa pun, tetapi (a) berfungsi, (b) memenuhi semua persyaratan, dan (c) bermain golf sebanyak yang saya bisa lakukan.

L,r,t,o,e,w=len,range,26,lambda x:ord(x)-97,enumerate,max
def m(s,M,i,j,c=0):
 while i<M-c>j<s[i+c]==s[j+c]:c+=1
 return[c,M-i][i==j]
def Z(s):
 M=L(s)
 if M<2:return[[],[1]][M]
 z=[0]*M;z[0:2]=M,m(s,M,0,1)
 for i in r(2,1+z[1]):z[i]=z[1]-i+1
 l=h=0
 for i in r(2+z[1],M):
    if i<=h:k=i-l;b,a=z[k],h-i+1;exec["z[i]=b+m(s,M,a,h+1);l,h=i,i+z[i]-1","z[i]=b","z[i]=min(b,M-i);l,h=i,i+z[i]-1"][cmp(a,b)]
    else:
     z[i]=m(s,M,0,i)
     if z[i]>0:l,h=i,i+z[i]-1
 return z
def S(P,T):
 M,N=L(P),L(T)
 if not 0<M<N:return
 R,a=[[-1]]*t,[-1]*t
 for i,c in e(P):
    a[o(c)]=i
    for j in r(t):R[j]+=a[j],
 if M<=0:R=[[]]*t
 n,F,z,l=Z(P[::-1])[::-1],[0]*M,Z(P),0;G=[[-1,M-n[j]][n[j]>0]for j in r(M-1)]
 for i,v in e(z[::-1]):l=[l,w(v,l)][v==i+1];F[~i]=l
 k,p=M-1,-1
 while k<N:
    i,h=M-1,k
    while 0<=i<[]>h>p<P[i]==T[h]:i-=1;h-=1
    if i<0 or h==p:print-~k-M,;k+=[1,M-F[1]][M>1]
    else:c,q=i-R[o(T[h])][i],i+1;s=w(c,q==M or M-[G,F][G[q]<0][q]);p=[p,k][s>=q];k+=s

Ini adalah implementasi dari algoritma Boyer-Moore-Galil. Cukup mudah - panggilan dengan S(pattern,text); dua fungsi lainnya digunakan dalam preprocessing. Memang, semuanya kecuali 5 baris terakhir adalah preprocessing.

Contoh dijalankan, yang membutuhkan waktu sekitar satu detik:

>>> a = 'a'*1000
>>> b = 'a'*1999 + 'b'
>>> S(a,b)
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999
Sirpercival
sumber
Saya tidak yakin ini real-time bukan?
Boyer-Moore-Galil berjalan dalam kasus terburuk O (n + m) . Ini sebenarnya lebih cepat dari KMP.
sirpercival
Tetapi real-time tidak sama dengan waktu linear.
Di bawah "spesifikasi" dikatakan bahwa algoritme harus dijalankan dalam O(m)preprocessing dan O(n)pencocokan [=> O(n+m)], yang dilakukan (atau lebih baik).
sirpercival
Ya tapi bukan itu yang dimaksud dengan real-time. Semuanya bisa berjalan dalam O(n+m)waktu tetapi membutuhkan waktu untuk salah satu simbol dalam teks, misalnya.
1

KMP, Python 2 (213 byte)

R=raw_input
E=enumerate
p=R()
t=R()
f=[-1]*((len(p)+1))
j=-1
for i,c in E(p):
 while j+1 and p[j]!=c:j=f[j]
 f[i+1]=j=j+1
j=-1
for i,c in E(t):
 while j+1 and p[j]!=c:j=f[j]
 j+=1
 if j==len(p):print i+1-j;j=f[j]

Versi tidak disatukan. Loop pertama adalah untuk membangun automata KMP. Loop kedua berjalan di automata. Mereka berbagi hampir pola yang sama tetapi abstrak mereka akan memerlukan lebih banyak byte sehingga untuk kode golf saya lebih suka menduplikasi logika ini. Implementasi serupa sebenarnya banyak digunakan dalam kontes pemrograman.

pattern = raw_input()
text = raw_input()

fail = [-1] * (len(pattern) + 1)
j = -1
for i, c in enumerate(pattern):
    while j >= 0 and pattern[j] != c:
        j = fail[j]
    j += 1
    fail[i + 1] = j

j = -1
for i, c in enumerate(text):
    while j >= 0 and pattern[j] != c:
        j = fail[j]
    j += 1
    if j == len(pattern):
        print i + 1 - j
        j = fail[j]
sinar
sumber
Sayangnya, ini tidak real-time. Lihat tautan wiki dalam pertanyaan.
1

KMP Realtime, Python 2 (167 byte)

R=raw_input
E=enumerate
P=R()
T=R()
F=[{}]
for i,c in E(P):j=F[i].get(c,0);F+=[dict(F[j])];F[i][c]=i+1
j=0
for i,c in E(T):
 j=F[j].get(c,0)
 if j==len(P):print i+1-j

Dalam KMP normal, kami mensimulasikan perilaku otomat dengan menggunakan fungsi gagal. Dalam KMP realtime ini, otomat penuh dikonstruksi sehingga dalam frasa yang cocok dapat memproses setiap karakter secara realtime (waktu konstan).

Kompleksitas waktu dan ruang preprocessing adalah O (nm), di mana m adalah ukuran alfabet dan n adalah panjang dari string pola. Namun, dalam pengujian saya, ukuran sebenarnya dari tabel transisi selalu kurang dari 2n jadi mungkin kita dapat membuktikan bahwa kompleksitas waktu dan ruang adalah O (n).

Versi tidak disatukan

pattern = raw_input()
text = raw_input()

# transitions[i][c] points to the next state walking from state i by c.
# Transition that point to staet 0 are not stored.
# So use transitions[i].get(c, 0) instead of transitions[i][c]
transitions = [{}]
for i, c in enumerate(pattern):
    j = transitions[i].get(c, 0)
    transitions.append(transitions[j].copy())
    # Before this assignment, transitions[i] served as the fail function
    transitions[i][c] = i + 1

j = 0
for i, c in enumerate(text):
    j = transitions[j].get(c, 0)
    if j == len(pattern):
        print i + 1 - j
sinar
sumber
Sayangnya, tabel hash di Python tidak realtime sehingga implementasi di sini juga tidak realtime.
Ray
1

Q, 146 Bytes

W:S:u:"";n:0;p:{$[n<#x;0;x~(#x)#W;#x;0]};f:{{|/p'x}'((1_)\x#W),\:/:u};F:{S::x 1;W::*x;n::#W;u::?W;T:(f'!1+n),\:0;(&n=T\[0;u?S])-n-1}

Uji

F "
 ABCDABD
 ABCdABCDABgABCDABCDABDEABCDABzABCDABCDABDE "

menghasilkan 15 dan 34

Catatan

Tidak terbatas pada alfabet (mendukung karakter ascii, dan peka huruf besar-kecil).

Tidak menggunakan operasi spesifik apa pun yang didefinisikan oleh Q over string -> bekerja pada string sebagai urutan (ops match, panjang, dll.)

Meminimalkan tabel transisi bergabung dengan semua karakter yang tidak dalam pola sebagai satu kelas karakter yang unik.

Saya bisa memeras kode sedikit. Ini merupakan upaya pertama untuk memvalidasi strategi solusi

Kunjungi setiap karakter teks tepat sekali, dan untuk setiap karakter input ada lompatan unik. Jadi saya menganggap bahwa pencarian cocok dengan 'waktu nyata'

Konstruksi tabel al state i dan char c mencari substring terpanjang yang berakhir pada i dan setelah menambahkan c adalah awalan dari S. Konstruksi tidak dioptimalkan, jadi saya tidak tahu apakah valid

Format input tidak cocok dengan bahasa. Melewati dua argumen string akan menghemat 16 Bytes

Penjelasan

global W mewakili pola dan S berhubungan dengan teks untuk pencarian

x:1_"\n "\:x kode aneh untuk mengatasi persyaratan input (Q membutuhkan string multiline yang memiliki baris non-pertama indentasi, sehingga harus membuang ruang tambahan di depan setiap baris non-pertama)

n::#W menghitung panjang W dan menyimpan sebagai global n

u::?W menghitung karakter unik di W, dan simpan sebagai global u

u?S menghasilkan kelas characted untuk setiap karakter S

Buat tabel transisi T dengan satu baris per karakter unik di W (ditambah satu ekstra), dan kolom untuk setiap indeks di W (ditambah satu ekstra). Baris tambahan sesuai dengan keadaan awal, dan kolom tambahan mengumpulkan karakter apa pun di S tetapi tidak dalam W. Strategi ini meminimalkan ukuran tabel

p:{$[n<#x;0;x~(#x)#W;#x;0]} adalah fungsi yang mencari awalan terpanjang

f:{{|/p'x}'((1_)\x#W),\:/:u} adalah fungsi yang menghitung baris x dari T

T:(f'!1+n),\:0 applies f repeteadly to calculate each row, and adds value 0 to each row

Cari teks menggunakan tabel transisi. T\[0;u?S]iterates lebih dari 0 (keadaan awal) dan masing-masing kelas karakter S, menggunakan sebagai nilai baru nilai pada tabel transisi T [state] [charClass]. Status akhir memiliki nilai n, jadi kami mencari nilai itu dalam urutan status dan mengembalikannya disesuaikan (untuk menunjukkan posisi awal alih-alih posisi akhir dari setiap pertandingan)

J. Sendra
sumber
0

Boyer-Moore, Perl (50)

Perl mencoba menggunakan Boyer-Moore secara alami:

$s=<>;$g=<>;chomp$g;print"$-[0] "while$s=~m/($g)/g
protista
sumber
Sayangnya, ini bukan real time.
Apa yang Anda maksud dengan "waktu nyata"?
Protista
Waktu konstan untuk setiap simbol teks yang dibaca. Lihat tautan wiki yang saya tempel.