使用c++从由字符串组成的文件中查找所有可能的公共子字符串

基本上，对于每一行，将其与下一行进行比较，看看下一行是否更短，或者下一行的子字符串是否不等于当前行。如果这是真的，那么这条线是唯一的。这可以通过单个线性传递来完成，因为列表是排序的：任何包含条目子字符串的条目都将跟随在该条目后面。

非算法优化（微优化）是为了避免使用创建新字符串的子字符串。我们可以简单地比较另一个字符串，就好像它被截断了一样，而不需要实际创建截断的字符串。

vector<string> unique_lines;
for (unsigned int j=0; j < lines.size() - 2; ++j)
{
    const string& line = lines[j];
    const string& next_line = lines[j + 1];
    // If the line is not a substring of the next line,
    // add it to the list of unique lines.
    if (line.size() >= next_line.size() || 
        line != next_line.substr(0, line .size()))
        unique_lines.push_back(line);
}
// The last line is guaranteed to not be a substring of any
// previous line as the lines are sorted.
unique_lines.push_back(lines.back());
// The desired output will be contained in 'unique_lines'.

我所理解的是，你想找到子字符串，并想删除任何字符串的子字符串。为此，您可以使用strstr方法来查找一个字符串是否是另一个字符串的子字符串。希望这会有所帮助。。

好吧，这可能不是解决问题的最快解决方案，但似乎很容易实现。你只需要保留一个字符直方图，它将代表一个字符串的签名。对于你读取的每个字符串（用空格分隔），你计算每个字符的数量，如果没有其他字符串的每个字符的数字相同，就把它存储在你的答案中。让我举例说明：

aaa bbb aabb ab aaa

这里我们只有两个可能的输入字母，所以，我们只需要一个大小为2的直方图。

• aaa-hist[0]=3，hist[1]=0：新的一个-添加到答案中
• bbb-hist[0]=0，hist[1]=3：新的一个-添加到答案中
• aabb-hist[0]=2，hist[1]=2：新的一个-添加到答案中
• ab-hist[0]=1，hist[1]=1：新的-添加到答案中

• aaa-hist[0]=3，hist[1]=0：已存在！不要增加答案

  实现的瓶颈将是直方图比较，并且有很多可能的实现。

  最简单的方法是简单的线性搜索，迭代所有以前的答案，并与当前直方图进行比较，其中O（1）用于存储，O（n）用于搜索。如果你有一个大文件，要花几个小时才能完成。

  一个更快但实现起来更麻烦的方法是使用哈希表来存储答案，并使用直方图签名来生成哈希代码。在这里解释这种方法会很麻烦。