找出字符串是否仅由给定字符集组成的最佳方法/算法

Best way/algorithm to find out if a string consists of only a given set of characters

本文关键字：最佳 方法 算法 字符集 字符串 是否      更新时间：2023-10-16

我在一次采访中被问到这个问题，如果你想知道一个字符串是否只由一组给定的字符组成。例如，让字符串集是{0,1,2,3,4,5,6,7,8,9}上的所有字符串，即所有"数字"字符串。其中，如果｛3，8，5｝上的字符串集仅为有效字符串，我如何检查该字符串是否仅由有效字符组成。说：

Input 8888338385
     Output VALID
Input 887837348234 
Output : Invalid

我建议的方法是暴力，需要根据无效字符列表检查给定字符串中的每个字符。如果其中任何一个字符无效，我会跳过检查所有其他字符并显示失败消息。然而，正如这里所建议的，可能还有更好的算法。请帮忙。

编辑：感谢Luc Touraille对原始算法的巨大改进。

创建布尔值的数组a[10]。对于每个期望的数字e，设置a[e] = true。

现在，对于输入中的每个数字d，检查a[d]是否为真。如果不是，则返回false。如果他们都成功了，就返回真。

您可以使用256元素数组将其推广到所有ASCII字符。

如果您的输入字符串长度为N，比较字符串长度为M，字母表中的字母数为A，则复杂性为O（N+M）（扫描两个字符串）加O（A）（初始化布尔数组）。所以，除非你的字符串长度接近或大于你的字母表大小，否则这可能不是最佳的。

值得指出的是，关于Niklas Baumstark出色的性能比较，我们的两个解决方案实际上是相同的。这里构建的布尔数组与您在接受[c1c2…]*的两态DFA中构建的转换表完全相同。我想唯一的区别是Java的实现更通用，承载了更多的开销。

免责声明：根据我的假设，Java在优化这里使用的正则表达式方面似乎很糟糕，这会导致代码不合格。甚至Javascript的正则表达式似乎也比这更快。基准测试还表明Nick的解决方案非常快速。

这绝对是正则表达式的任务。在Java中：

public boolean isValidString(String str) {
  return str.matches("[358]*");
}

这应该是O(n)最坏的情况，它再好不过了，因为每个字符都必须被查看。

如果性能很关键，您可能需要缓存预编译的模式匹配器：

import java.util.regex.Pattern;
public class Matcher {
  private Pattern pattern;
  public Matcher() {
    this.pattern = Pattern.compile("[358]*");
  }
  public isValid(String str) {
    return pattern.matcher(str).matches();
  }
}

对于c或c++，您可以执行以下操作：

const char* haystack = "8888338385";
const char* filter = "385";
if (strlen(haystack) != strspn(haystack, filter))
{
  // oops - haystack contains more characters...
}

c++（std::string::find_first_not_of）存在等价的std::string函数

编辑：我意识到这是作弊，但问题中没有任何东西可以排除这一点。

您可以为允许集合中的每个字符使用映射（如果字母表的范围有限），并直接检查字符串中的每个字符串是否在映射中。这样，它只有O（N），其中N是字符串长度，而不是O（N*M），其中M是允许的字符集。如果字母表是大规模的，那么可以使用另一个数据结构来存储允许的字符-排序树，例如O（N）logN的复杂性。

我会首先对输入和无效字母列表进行排序，然后您总是可以确定字符串是否在线性时间中有效

相关文章：