第十五章 字符串（二）

    第十五章的第二部分涉及到“短语”，其书中提出的一个问题是：给定一个文本文件作为输入，查找其中最长的重复子字符串。例如，"Ask not what your country can do for you, but what you can do for your country"中最长的重复字符串是“can do for you”，第二长的是"your country"。如何解决这个问题呢？

    文中利用两种方法来解决这个问题，第一种方法进行全文的扫描，其时间复杂度为O(n^2)，这种方法将字符串作为一个整体（包括空格符）存储在一个字符数组char c[]中，因此利用的输入函数为C中的getchar()，算法比较字符串中的每个子串，并利用全局变量存储最长长度和始末数组下标。

// Program to recognize the longest duplicated string in the text

// 简易方法，时间复杂度O(n^2) 

#include <stdio.h>
#include <stdlib.h>

#define MAX 5000000

char buf[MAX];

int comlen(char *p, char *q)
{
    int count=0;
    /*
    if(*p != *q)
        return count;
    if(*p && *p == *q)
    {
          ++count;
          p++;
          q++;
    }
    */
    while(*p++ == *q++)
        ++count;
    
    return count;
}

int main()
{
    int i, j, n=0, maxlen=0, maxi, maxj, thislen;
    char c;
    //while(scanf("%s", buf) != EOF)
    //    ;
    // IN order to calculate the length n, we use getchar() instead of scanf()
    while((c=getchar()) != EOF)
        buf[n++]=c;
    //buf[n]='\0';
    
    for(i=0;i<n;i++)
    {
                    for(j=i+1;j<n;j++)  // j=i+1
                    {
                                    //if((len=comlen(i,j))>maxlen)
                                    if((thislen=comlen(&buf[i], &buf[j]))>maxlen)  // pay attention to the (a=b)>c expression
                                    {
                                                          maxlen=thislen;
                                                          maxi=i;
                                                          maxj=j;
                                    }
                    }
    }
    printf("The longest length is:%d\n",maxlen);
    printf("The longest string is: ");
    for(i=maxi;i<maxi+maxlen;i++)  // i<
        putchar(buf[i]);
  
    return 0;
}

需要注意的问题是怎样将comlen()函数中的字符指针和字符数组的下标值联系起来，其实就是用取地址符嘛！--&。

    文中的第二种方法用到了一个新颖的数据结构---后缀数组。其实在本例中就是一个字符指针数组，元素a[0]指向整个字符串，下一个元素指向从第二个字符开始的数组后缀，等等。其数组的大小为字符串的大小。而算法的思想是这样的：利用额外的空间来换取时间，首先读入输入的字符串，构建后缀数组。然后利用C库函数中的qsort()对后缀数组排序，这样排序后相邻的数据就是有最多重复字符的数据。最后比较排序后数组中的每个相邻的数据，找出最长的一个重复子串。在下面的程序中更灵活地加入了一个宏变量M，其代表的意义是这个重复子串出现的次数，也就是将解法扩展为解决“打印重复M次的最长子串”，这个问题只要在比较数组中数据时比较a[i]和a[i+M]即可。本例中对于n个字符的输入文本，后缀数组使用文本自身和额外的n个指针来表示每个子串，时间复杂度为O(nlogn)。

// Program to recognize the longest duplicated string in the text (打印最长重复子串)

// 后缀数组，时间复杂度 O(nlogn)

// Print longest string duplicated M times (打印重复M次的最长子串)
 
#include <stdio.h>
#include <stdlib.h> 
#include <string.h>

#define M 1 //
#define MAX 5000000

char buf[MAX];
char *a[MAX];  //后缀数组 

int comlen(char *p, char *q)
{
    int count=0;
    while(*p && (*p++ == *q++))
        ++count;
    
    return count;
}

int pstrcmp(char **p, char **q)  //
{
    return strcmp(*p, *q);
}

int main()
{
    int i, n=0, maxlen=0, thislen, j;
    char c;
    while((c=getchar()) != EOF)
    {
                       /*
                       buf[n]=c;
                       a[n]=&buf[n];
                       n++;
                       */
                       
                       a[n]=&buf[n];
                       buf[n++]=c;
                       
    }
    buf[n]='\0';
    
    //qsort(a, n, sizeof(char *), strcmp); //
    qsort(a, n, sizeof(char *), pstrcmp); // 指向指针的指针 
    
    /*
    for(i=0;i<n;i++)
        printf("%s\n",a[i]);
    */
    
    //for(i=0;i<(n-1);i++)   // i<n-1 不要越界 
    for(i=0;i<(n-M);i++)
    {
                    //if((thislen=comlen(a[i], a[i+1]))>maxlen)
                    if((thislen=comlen(a[i], a[i+M]))>maxlen)
                    {
                                             maxlen=thislen;
                                             j=i;
                    }
    }
    printf("The longest length is:%d\n", maxlen);
    //printf("The longest duplicated string is:%s",a[j]);
    //*精度输出字符串中的maxlen个字符 
    printf("The longest duplicated string is:%.*s\n",maxlen, a[j]);
    
    return 0;
}

需要注意的问题：1，qsort()函数中的各个参数代表的含义，其中自己重新构建的比较函数pstrcmp实际上是对strcmp库函数的一层间接调用，但是因为数组是字符指针数组，而对函数的调用需要利用到指针，所以pstrcmp()中的参数是二级指针，这在调用strcmp时需要一级的解引用*，而每个元素的大小（即函数的第三个参数为char型指针的大小）。2.在for()循环比较数组元素时需要注意下标越界的问题。3.打印输出的时候printf()函数利用“*”来精度控制字符串，指定打印字符串的长度，涉及到printf()的格式。

程序运行截图：