Scala：在字符串列表中查找最频繁的 X 字符串

Question

我要做的是通过字符串列表找到给定长度的最频繁子字符串。到目前为止，我只提出了函数的签名：

def getFreqSub(lst: List[String], k: Int)

为了简单起见，我说 k 总是小于列表中每个字符串的最大字符大小，所以我不必做那个检查。我找到了一些关于此的文档，但无济于事。我想过使用 substring 函数，但是为了检查每个字母组合，比如说 k=2，它将如何工作？任何帮助/提示/链接表示赞赏。

示例：我有这个列表 ("Hello","Heyo","Hel")，对于 k = 2，输出应该是 "He"，对于 k = 3，输出应该是 "Hel"

Answer 1

非常传统的答案:)

• 使用HashMap 来索引给定长度 k 的每个子字符串及其出现
• 排序得到最频繁的子串:)

//算法

  def getFreqSub(list: List[String], k: Int): (String, Int) = {
    val index = scala.collection.mutable.Map.empty[String, Int]

    list.foreach { input =>
      for (substring <- input.sliding(k)) { // alternative to .substring(i, i + windowSize)
           index(substring) = index.getOrElse(substring, 0) + 1
      }
    }

   index.toMap.toSeq.sortBy(_._1).head
  }

//测试

val twoLetters = getFreqSub(List("Hello", "Heyo", "Hel"), 2)
assert(twoLetters._1 == "He")
assert(twoLetters._2 == 3) //occurance

val threeLetters= getFreqSub(List("Hello", "Heyo", "Hel"), 3)
assert(threeLetters._1 == "Hel")
assert(threeLetters._2 == 2) //occurance

关于IterableLike#sliding的注意事项

返回给定滑动窗口的迭代器。

val string = "HELLO"
val window = 2
string.sliding(window).foreach { substring =>
  println(substring)
}

输出

HE
EL
LL
LO

Answer 2

这不是很有效，但它很有效并且很容易遵循：

object q42456681 {
  def main(args: Array[String]) = {

    assert(getFreqSub(List("Hello","Heyo","Hel"), 2) == "He")
    assert(getFreqSub(List("Hello","Heyo","Hel"), 3) == "Hel")
  }

  def getFreqSub(lst: List[String], k: Int): String = {
    val allSubstrsOfDesiredLen =
      lst.flatMap { str =>
        (0 to (str.length - k)).map { startIdx =>
          str.substring(startIdx, startIdx + k)
        }
      }

    allSubstrsOfDesiredLen
      .groupBy(identity)
      .mapValues(_.length)
      .maxBy(_._2)
      ._1
  }
}

如果要搜索的字符串列表很长，则需要花时间对其进行优化。使用命令式方法并构造子字符串的哈希或树图以随着搜索的进行而计数会更有效。 （@prayagupd 的回答显示了如何做到这一点）