给定字典做分词

最近需要用到分词，无聊写个算法。。。

算法：给定一个字典和一句话，做分词；

Target：输入词典，输出所有可能的分词结果

思路：dfs

加速：首先判断是不是这句话里所有的词在字典中都有（validate）

[cpp]  view plain copy

1. //  
2. //  Wordsplit.cpp  
3. //    
4. //  Target: Find all possible splitting of a sentence given a dictionary dict  
5. //  Howto:  refer to main  
6. //  
7. //  Created by Rachel on 14-8-16.  
8. //  Copyright (c) 2014年 ZJU. All rights reserved.  
9. //  
10.   
11. #include <iostream>  
12. #include <stdio.h>  
13. #include "vector"  
14. #include <set>  
15. #include<unordered_set>  
16. using namespace std;  
17.   
18. class Wordsplit {  
19. private:  
20.     vector<string> list;  
21.     bool match(string s, string cur_ele){  
22.         int l = cur_ele.length();  
23.         if (s.substr(0,l)==cur_ele) {  
24.             return true;  
25.         }  
26.         return false;  
27.     }  
28.       
29.     bool validate(string s, unordered_set<string> &dict){  
30.         //1. calculate all alphabets in the query  
31.         set<char> alpha;  
32.         for (int i=0; i<s.length(); i++) {  
33.             alpha.insert(s[i]);  
34.             }  
35.         //2. calculate all alphabets in the dictionary  
36.         set<char> beta;  
37.         unordered_set<string>::iterator dict_it;  
38.         for (dict_it = dict.begin(); dict_it!=dict.end(); dict_it++) {  
39.             for (int i=0; i<(*dict_it).length(); i++) {  
40.                 beta.insert((*dict_it)[i]);  
41.             }  
42.         }  
43.         set<char>::iterator it;  
44.         for (it = alpha.begin(); it!=alpha.end(); it++) {  
45.             if (beta.find(*it)==beta.end()) {  
46.                 return false;  
47.             }  
48.         }  
49.         return true;  
50.     }  
51.       
52. public:  
53.     string split(string s, unordered_set<string> &dict, string cur_str){  
54.         if (s.length()==0) {  
55.             list.push_back(cur_str.substr(0,cur_str.length()-1));  
56.             return s;  
57.         }  
58.         //cout<<s<<endl;  
59.         unordered_set<string>::iterator it;  
60.         for (it=dict.begin(); it!=dict.end(); it++) {  
61.             if (match(s, (*it))) {  
62.                 string tmp_str = cur_str;  
63.                 string latter = s.substr(it->length(), s.length()-it->length());  
64.                 cur_str += (*it) + " "; // add current word to cur_str  
65.                 cur_str += split(latter, dict, cur_str); // split remaining words  
66.                 cur_str = tmp_str; //back to last status  
67.             }  
68.         }  
69.         return "no result";  
70.     }  
71.       
72.       
73.     vector<string> main(string s, unordered_set<string> &dict) {  
74.         if (!validate(s, dict)) {  
75.             return list;  
76.         }  
77.         split(s, dict, "");  
78.         return list;  
79.     }  
80. };  
81.   
82. int main()  
83. {  
84.     Wordsplit s;  
85.     unordered_set<string> L={"程序员","公务员","员","我","喜","做","程序","一","欢","喜欢","做一个","一个"};  
86.     vector<string> V = s.main("我喜欢做一个程序员", L);  
87.     vector<string>::iterator it;  
88.     for (it=V.begin(); it!=V.end(); it++) {  
89.         cout<<(*it)<<endl;  
90.     }  
91. } 
92.  

输出：

我 喜欢 做一个 程序 员

我 喜欢 做一个 程序员

我 喜欢 做 一个 程序 员

我 喜欢 做 一个 程序员

我 喜 欢 做一个 程序 员

我 喜 欢 做一个 程序员

我 喜 欢 做 一个 程序 员

我 喜 欢 做 一个 程序员