获取所有唯一的子字符串答案

【问题标题】：Get all substrings which are unique获取所有唯一的子字符串
【发布时间】：2020-04-24 14:03:24
【问题描述】：

我正在开发一个程序，该程序计算给定输入字符串的所有可能的不同连续子字符串。

这是我的程序：

public int getAllUniqueSubset(String str) {
        Set<String> set = new HashSet<String>();
        for (int i = 0; i < str.length(); i++) {
            for (int j = 0; j < str.length() - i; j++) {
                String elem = str.substring(j, j + (i+1));
                if (!set.contains(elem)) {
                    set.add(elem);
                }
            }
        }
        return set.size();
    }

现在当我在几天前的在线考试中使用它时，它因超时错误而失败，因为输入字符串的长度可能高达 10 次方 5。

在这篇文章中也提出了类似的问题 - finding all distinct substring of a string 我也使用了相同的答案。

解决这个程序的正确方法是什么？

【问题讨论】：

为什么投反对票？我可以看到添加 1-2 个示例的好处，但问题很明显

标签： java algorithm

【解决方案1】：

字符串长度 10^5 假设二次解太慢。您生成所有 n^2 个子字符串并计算它们的哈希值，因此总时间是三次方并且超时是可预期的。

您可以在 O(nlogn) 时间内构建后缀数组，然后使用 Kasai 方法或其他算法构建 LCP（最长公共前缀）。

我们可以看到每个后缀p[i] 的长度为n - p[i]，并产生n - p[i] 前缀作为子字符串。但是lcp[i-1]前缀与前一个后缀的前缀一致！所以我们对于每个后缀只有n - p[i] - lcp[i-1] 新的inique 子串。遍历后缀并在 O(n) 时间内获取不同子字符串的计数。

总时间是

O(nlogn) (suffix array) + 
O(n) (Kasai LCP) + 
O(n) for counting = 
   O(nlogn)

【讨论】：

【解决方案2】：

一些想法，但可能不足以解决您的可扩展性问题：

您不需要if (!set.contains(elem)) 检查，因为这已经在set.add() 方法的逻辑中。需要一些时间来检查（甚至是恒定的）。
您可能希望将 Set 更改为 List（即使这涉及更大的空间消耗），并在最后转换为 set，以删除重复项。
似乎某些计算可以并行完成（例如，分配给工作人员执行长度为 1 的子字符串，分配给另一个长度为 2 的子字符串，等等）。这些不需要交叉检查（即，不需要检查每个工人的结果是否有重复）。例如，您可以尝试多线程或 Spark（如果并行化开销不大）。

【讨论】：

【解决方案3】：

从GeeksForGeeks试试这个解决方案

public class GFG { 
    Set<String> set = new HashSet<String>();
    public static void SubString(String str, int n) 
    { 
        for (int i = 0; i < n; i++)  
            for (int j = i+1; j <= n; j++) 
                set.add(str.substring(i, j)); 
    } 

    public static void main(String[] args) 
    { 
        String str = "abcd"; 
        SubString(str, str.length()); 
    } 
}

【讨论】：