字符串/（字符串向量）匹配的快速算法

Question

所以我有一个正好有 5 个字符串的 向量 V1。

我有一组向量（称为过滤器）（每个都有 5 个字符串）。

我需要一个快速算法，以便我可以查看给定向量是否与集合中的任何向量匹配。

向量 V1 对集合中的一个向量进行数学运算（例如 filter1）如果

V1[i] = filter1[i] OR filter[i] = ""（空字符串）

例子：

过滤器：

filter1: "abc" "bcd" "bb" "" ""

过滤器2：“abc”“bcd”“bb”“ee”“ff”

filter3: "abc" "ddd" "bb" "j" ""

搜索到的向量：

V1：“abc”、“bcd”、“bb”、“ee”、“ff”

V1 匹配过滤器中的两个向量：filter1 和 filter2。

所以我正在考虑将过滤器存储在 unordered_set 中。但我不知道如何制作散列函数，所以它可以找到一个匹配项（它会为不同的向量提供不同的散列值（即使它们可以匹配）。我的另一个想法是构造一个正则表达式。但再次搜索将是 O(n)。 任何提示如何检查 O(log(n)) 或 O(1)（其中 n 是过滤器向量的大小）的匹配？

Answer 1

尚不清楚您想要的所有行为和约束是什么。例如，按照您列出的示例过滤器从左到右的顺序，过滤器是否可以包含“”（您的匹配所有“通配符”），然后是另一个非“”字符串？

无论如何，假设您不允许允许过滤器有一个"" 通配符后跟一个非"" 术语，您可以创建一个类型为...的过滤器索引...

std::unordered_map<std::string,
  std::variant<filter*,
    std::unordered_map<std::string,
      std::variant<filter*,
        std::unordered_map<std::string,
          std::variant<filter*,
            std::unordered_map<std::string,
              std::variant<filter*,
                std::unordered_map<std::string, filter*>
> > > > > > > > index;

这有效地描述了一个树，其中每个级别可能有一个精确的字符串匹配或一个"" 通配符过滤器匹配，如果这是过滤器中最后一个非"" 术语，则为匹配的过滤器产生一个filter* ，或索引的下一级。

鉴于您的过滤候选对象v1，并假设您已经完成了填充索引的明显工作，您可以像这样进行搜索：

std::vector<filter*>
match(const std::array<string, 5>& v,
      const auto& index) {
    std::vector<filter*> matches;

    auto it0 = index.find("");
    if (it0 != index.end())
         matches.push_back(std::get<filter*>(*it0)); // match-everything filter
    if ((it0 = index.find(v[0])) == index.end())
        return matches; // no non-wildcard match

    const auto& i1 = std::get<1>(*it0); // next level in index
    auto it1 = i1.find("");
    ...same kind of logic, working your way through the 5 levels...

这涉及最多 10 个哈希表查找，因此 O(1) w.r.t。过滤器集的大小。

这并不一定意味着它是任何给定数据的最佳性能选择：字符串的典型长度、其中的模式，例如可能以相同的字符开头并且仅在最后一个不同几个字符，过滤器集的长度 - 了解这些内容可能会建议一种实际上更快的方法。

哈希表的工作情况还取决于所使用的哈希函数。对于较长的字符串，GCC 的字符串哈希函数 - MURMUR32 - 比 Visual C++ 的质量要高得多（为了提高速度，它只包含沿字符串间隔的 10 个字符），并且 GCC 使用质数桶计数，这比 Visual C++ 的功能更不容易发生冲突 - of-2 选择。其他优化可以通过对数据的了解来建议，例如如果您知道字符串总是