【Programming Pearls】查找所有的变位词

           给定一本英语单词词典(每个输入行一个单词，字母都用小写)，怎么找出所有的变位词类。例如：“deposit”、“dopiest”、“posited”是同一类变位词。

         假如在词典中大约有230000个单词，即使一次简单的变位词比较至少也需要花一微秒的时间，总共需要230000个单词*230000次比较/个单词*1微秒/一次比较=52900*10^6微秒=52900秒=14.7小时。

 

快速算法：可以采用签名、排序、压缩三个步骤来处理上面的问题。
 

签名(sign)：就是对单词内的字母按字典顺序进行排序，如deposit的签名是deiopst。

排序(sort)：对所有的签名按字母顺序进行排序。

压缩(squash)：将具有相同的前面进行压缩合并，放一个集合输出。

如下过程：

 

 签名sign和排序的代码如下：

 

int charcomp(char *x, char *y)

{ return(*x - *y); }

#define WORDMAX 100

int main(void)

{ char word[WORDMAX], sig[WORDMAX];

while (scanf("%s", word) != EOF) {

strcpy(sig, word);

qsort(sig, strlen(sig),sizeof(char), charcomp);

printf("%s %s\n", sig, word);

}

return 0;

}

 

压缩合并squash的代码如下：

int main(void)

{ char word[MAX], sig[MAX], oldsig[MAX];

int linenum = 0;

strcpy(oldsig, "");

while (scanf("%s %s", sig, word) != EOF)

if (strcmp(oldsig, sig) != 0&& linenum > 0)

printf("\n");

strcpy(oldsig, sig);

linenum++;

printf("%s ", word);

}

printf("\n");

return 0;

}

 

        注：该算法在 230000单词中，总共运行时间为 18 seconds: 其中 4 in sign, 11 in sort and 3 in squash.