Соответствие строки в реальном времени


15

задача

Задача состоит в том, чтобы сыграть в гольф алгоритм точного сопоставления строк в реальном времени по вашему выбору.

вход

Две строки текста поступают на стандартный ввод, разделенные новой строкой. Первая строка содержит «шаблон» и будет просто строкой ASCII, нарисованной из букв a-z.

Вторая строка содержит более длинный «текст» и также будет просто строкой ASCII, взятой из букв a-z.

Выход

Список индексов, где встречаются точные совпадения. Вы должны вывести позицию начала каждого совпадения.

Спецификация

Ваш алгоритм может потратить линейное время на предварительную обработку шаблона. Затем он должен прочитать текст слева направо и занять постоянное время для каждого символа в тексте и вывести любое новое совпадение, как только оно произойдет. Матчи, конечно, могут перекрывать друг друга.

Алгоритм

Существует много алгоритмов точного соответствия в реальном времени. Один из них упоминается в вики для KMP, например. Вы можете использовать любой, который вам нравится, но вы всегда должны выводить правильный ответ.

Я буду вести таблицу лидеров по языкам, чтобы те, кто предпочитает популярные языки, также могли победить по-своему. Пожалуйста, объясните, какой алгоритм вы реализовали.

Реальное время

Кажется, было много путаницы в том, что означает в реальном времени. Это не просто означает линейное время. Таким образом, стандартный KMP не в режиме реального времени. Ссылка в вопросе явно указывает на часть вики-страницы для KMP о варианте KMP в реальном времени. Бойер-Мур-Галиль не в режиме реального времени. В этом общем вопросе / ответе обсуждается проблема, или можно просто Google "точное соответствие в реальном времени" или аналогичные термины.


Правильно ли я считаю, что векторизованные ответы не учитываются? т.е. мы ДОЛЖНЫ проходить текст линейно?
sirpercival

Так что, если бы у меня были строки abcdи acbdefgя бы вывел 1 4, для aи d?
ASCIIThenANSI

Я не думаю, что это правильно, оба aи dсовпадают. Есть abcdи acbdefg, и то aи dнаходятся в одинаковых позициях.
ASCIIThenANSI

1
@ASCIIThenANSI ДА! :)

1
Почему у нас есть 1 на основе индексов здесь? -.-
Оптимизатор

Ответы:


3

Python 2, 495 байт

Это KMP в реальном времени, который намного короче и лишь немного медленнее, чем алгоритм BMG (который обычно является сублинейным). Позвонить с K(pattern, text); вывод идентичен алгоритму BMG.

L,R,o=len,range,lambda x:ord(x)-97
def K(P,T):
 M,N=L(P),L(T);Z=[0]*M;Z[0]=M;r=l=0
 for k in R(1,l):
    if k>r:
     n=0
     while n+k<l<P[n]==P[n+k]:n+=1
     Z[k]=n
     if n>0:l,r=k,k+n-1
    else:
     p,_=k-l,r-k+1
     if Z[p]<_:Z[k]=Z[p]
     else:
        i=r+1
        while i<M<P[i]==P[i-k]:i+=1
        Z[k],l,r=i-k,k,i-1
 F=[[0]*26]*M
 for j in R(M-1,0,-1):z=Z[j];i,x=j+z-1,P[z+1];F[i][o(x)]=z
 s=m=0
 while s+m<N:
    c=T[s+m]
    if c==P[m]:
     m+=1
     if m==M:print s,;s+=1;m-=1
    else:
     if m==0:s+=1
     else:f=F[m][o(c)];s+=m-f;m=f

Какую ссылку вы использовали для реального времени KMP из интереса?

Алгоритм поиска был амальгамой несколько, но в режиме реального время часть пришла в первую очередь от этого с тиром Википедии.
sirpercival

2

Python 2, 937 байт

Это не коротко, во всяком случае, но это (а) работает, (б) удовлетворяет всем требованиям, и (в) играет в гольф столько, сколько я могу сделать это.

L,r,t,o,e,w=len,range,26,lambda x:ord(x)-97,enumerate,max
def m(s,M,i,j,c=0):
 while i<M-c>j<s[i+c]==s[j+c]:c+=1
 return[c,M-i][i==j]
def Z(s):
 M=L(s)
 if M<2:return[[],[1]][M]
 z=[0]*M;z[0:2]=M,m(s,M,0,1)
 for i in r(2,1+z[1]):z[i]=z[1]-i+1
 l=h=0
 for i in r(2+z[1],M):
    if i<=h:k=i-l;b,a=z[k],h-i+1;exec["z[i]=b+m(s,M,a,h+1);l,h=i,i+z[i]-1","z[i]=b","z[i]=min(b,M-i);l,h=i,i+z[i]-1"][cmp(a,b)]
    else:
     z[i]=m(s,M,0,i)
     if z[i]>0:l,h=i,i+z[i]-1
 return z
def S(P,T):
 M,N=L(P),L(T)
 if not 0<M<N:return
 R,a=[[-1]]*t,[-1]*t
 for i,c in e(P):
    a[o(c)]=i
    for j in r(t):R[j]+=a[j],
 if M<=0:R=[[]]*t
 n,F,z,l=Z(P[::-1])[::-1],[0]*M,Z(P),0;G=[[-1,M-n[j]][n[j]>0]for j in r(M-1)]
 for i,v in e(z[::-1]):l=[l,w(v,l)][v==i+1];F[~i]=l
 k,p=M-1,-1
 while k<N:
    i,h=M-1,k
    while 0<=i<[]>h>p<P[i]==T[h]:i-=1;h-=1
    if i<0 or h==p:print-~k-M,;k+=[1,M-F[1]][M>1]
    else:c,q=i-R[o(T[h])][i],i+1;s=w(c,q==M or M-[G,F][G[q]<0][q]);p=[p,k][s>=q];k+=s

Это реализация алгоритма Бойера-Мура-Галиля. Довольно просто - позвоните с S(pattern,text); две другие функции используются в предварительной обработке. Действительно, все, кроме последних 5 строк, является предварительной обработкой.

Пример запуска, который занял около секунды:

>>> a = 'a'*1000
>>> b = 'a'*1999 + 'b'
>>> S(a,b)
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999

Я не уверен, что это в режиме реального времени, не так ли?

Бойер-Мур-Галил работает в худшем случае O (n + m) . Это на самом деле быстрее, чем KMP.
sirpercival

Но реальное время - это не то же самое, что линейное время.

Под «спецификациями» говорится, что алгоритм должен запускаться при O(m)предварительной обработке и O(n)сопоставлении [=> O(n+m)], что и делает (или лучше).
sirpercival

Да, но это не то, что означает в реальном времени. Все это может выполняться во O(n+m)времени, но, к примеру, потребуется n времени для одного из символов в тексте.

1

KMP, Python 2 (213 байт)

R=raw_input
E=enumerate
p=R()
t=R()
f=[-1]*((len(p)+1))
j=-1
for i,c in E(p):
 while j+1 and p[j]!=c:j=f[j]
 f[i+1]=j=j+1
j=-1
for i,c in E(t):
 while j+1 and p[j]!=c:j=f[j]
 j+=1
 if j==len(p):print i+1-j;j=f[j]

Безголовая версия. Первый цикл - создание автоматов KMP. Второй цикл идет по автоматам. Они имеют почти одинаковый шаблон, но абстрагирование их будет стоить больше байтов, поэтому для гольф-кода я бы предпочел повторить эту логику. Подобная реализация на самом деле широко используется в программировании конкурсов.

pattern = raw_input()
text = raw_input()

fail = [-1] * (len(pattern) + 1)
j = -1
for i, c in enumerate(pattern):
    while j >= 0 and pattern[j] != c:
        j = fail[j]
    j += 1
    fail[i + 1] = j

j = -1
for i, c in enumerate(text):
    while j >= 0 and pattern[j] != c:
        j = fail[j]
    j += 1
    if j == len(pattern):
        print i + 1 - j
        j = fail[j]

Это не в реальном времени, к сожалению. Смотрите вики-ссылку в вопросе.

1

KMP в реальном времени, Python 2 (167 байт)

R=raw_input
E=enumerate
P=R()
T=R()
F=[{}]
for i,c in E(P):j=F[i].get(c,0);F+=[dict(F[j])];F[i][c]=i+1
j=0
for i,c in E(T):
 j=F[j].get(c,0)
 if j==len(P):print i+1-j

В обычном KMP мы моделируем поведение автомата с помощью функции сбоя. В этом KMP в реальном времени полный автомат построен так, что в соответствующей фразе он может обрабатывать каждый символ в реальном времени (постоянное время).

Временная и пространственная сложность предварительной обработки составляет O (нм), где m - размер алфавита, а n - длина строки шаблона. Однако в моих тестах фактический размер таблицы переходов всегда меньше 2n, поэтому, возможно, мы сможем доказать, что сложность времени и пространства равна O (n).

Неуправляемая версия

pattern = raw_input()
text = raw_input()

# transitions[i][c] points to the next state walking from state i by c.
# Transition that point to staet 0 are not stored.
# So use transitions[i].get(c, 0) instead of transitions[i][c]
transitions = [{}]
for i, c in enumerate(pattern):
    j = transitions[i].get(c, 0)
    transitions.append(transitions[j].copy())
    # Before this assignment, transitions[i] served as the fail function
    transitions[i][c] = i + 1

j = 0
for i, c in enumerate(text):
    j = transitions[j].get(c, 0)
    if j == len(pattern):
        print i + 1 - j

Ну, к сожалению, хэш-таблица в Python не в реальном времени, поэтому реализация здесь также не в реальном времени.
Рэй

1

Q, 146 байт

W:S:u:"";n:0;p:{$[n<#x;0;x~(#x)#W;#x;0]};f:{{|/p'x}'((1_)\x#W),\:/:u};F:{S::x 1;W::*x;n::#W;u::?W;T:(f'!1+n),\:0;(&n=T\[0;u?S])-n-1}

Тестовое задание

F»
 ABCDABD
 ABCdABCDABgABCDABCDABDEABCDABzABCDABCDABDE»

генерирует 15 и 34

Примечания

Не ограничивается алфавитом (поддерживает любые символы ascii и учитывает регистр).

Не использует какие-либо конкретные операции, определенные Q над строками -> работает со строками как с последовательностями (совпадение операций, длина и т. Д.)

Минимизирует таблицу переходов, объединяя все символы, не входящие в шаблон, как один уникальный класс символов.

Я могу немного сжать код. Это первая попытка проверить стратегию решения

Посетите любой символ текста ровно один раз, и для каждого входного символа есть уникальный переход. Итак, я предполагаю, что поиск соответствует «реальному времени»

Построение таблицы al состояния i и char c ищут самую длинную подстроку, которая заканчивается в i и после добавления c является префиксом S. Конструкция не оптимизирована, поэтому я не знаю, является ли она действительной

Формат ввода не очень хорошо сочетается с языком. Передача двух строковых аргументов сэкономит 16 байт

объяснение

глобальный W представляет шаблон, а S соответствует тексту для поиска

x:1_"\n "\:x странный код, чтобы справиться с требованиями ввода (Q требует, чтобы многострочные строки имели отступы не первых строк, поэтому он должен отбрасывать дополнительное пространство перед каждой не первой строкой)

n::#W вычисляет длину W и сохраняет как глобальное n

u::?W вычисляет уникальные символы в W и сохраняет как глобальный

u?S генерирует characted-класс для каждого символа S

Составьте таблицу переходов T с одной строкой на уникальный символ в W (плюс один дополнительный) и столбцом для каждого индекса в W (плюс один дополнительный). Дополнительная строка соответствует исходному состоянию, а дополнительный столбец собирает любой символ в S, но не в W. Эта стратегия минимизирует размер таблицы

p:{$[n<#x;0;x~(#x)#W;#x;0]} это функция, которая ищет самый длинный префикс

f:{{|/p'x}'((1_)\x#W),\:/:u} это функция, которая вычисляет строку х Т

T:(f'!1+n),\:0 applies f repeteadly to calculate each row, and adds value 0 to each row

Поиск текста с использованием таблицы переходов. T\[0;u?S]выполняет итерации по 0 (начальное состояние) и каждому символьному классу S, используя в качестве нового значения значение в транзитной таблице T [state] [charClass]. Конечные состояния имеют значение n, поэтому мы ищем это значение в последовательности состояний и возвращаем его скорректированное (чтобы указать начальную, а не конечную позицию каждого совпадения)


0

Бойер-Мур, Perl (50)

Perl пытается использовать Бойера-Мура естественным образом:

$s=<>;$g=<>;chomp$g;print"$-[0] "while$s=~m/($g)/g

Это не в реальном времени, к сожалению.

Что вы подразумеваете под «в реальном времени»?
протист

Постоянное время для каждого символа текста, который читается. Смотрите вики-ссылку, которую я вставил.
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.