我打赌有人之前已经解决了这个问题，但我的搜索结果是空的。
我想将一个单词列表打包到一个缓冲区中，跟踪每个单词的起始位置和长度。诀窍是我想通过消除冗余来有效地打包缓冲区。
示例：娃娃娃娃屋
这些可以简单地打包到缓冲区中dollhouse，记住doll是从位置0开始的四个字母，dollhouse是0处的九个字母，house是3的五个字母。
到目前为止，我想出的是：
由于长词通常包含较短的单词，因此效果很好，但应该可以做得更好。例如，如果我将单词列表扩展为包含ragdoll，那么我的算法会出现dollhouseragdoll，效率低于ragdollhouse。
这是一个预处理步骤，所以我并不十分担心速度。 O（n ^ 2）很好。另一方面，我的实际列表有数万个单词，所以O（n！）可能是不可能的。
作为旁注，这个存储方案用于TrueType字体的`name'表中的数据，参见。 http://www.microsoft.com/typography/otspec/name.htm
答案 0 :(得分：13)
这是最短的超字符串问题：找到包含一组给定字符串作为子字符串的最短字符串。根据{{3}}（您可能无法访问），解决此问题的确是 NP-complete 。但是，可以使用启发式解决方案。
作为第一步，您应该找到所有字符串作为其他字符串的子字符串并删除它们（当然您仍然需要以某种方式记录它们相对于包含字符串的位置）。使用this IEEE paper可以有效地找到这些完全包含的字符串。
然后，通过反复合并具有最长重叠的两个字符串，可以保证生成长度不小于最小可能长度的4倍的解。根据Zifre在generalised suffix tree上的评论建议，应该可以使用两个基数树快速找到重叠大小。或者，您可以以某种方式使用通用后缀树。
对不起，我无法为您找到一个不错的链接 - 似乎没有维基百科页面，或任何有关此特定问题的公开信息。简要提到Konrad Rudolph's answer，但没有提供建议的解决方案。
答案 1 :(得分：1)
我认为你可以使用Radix Tree。由于指向leafs和parent的指针，它需要一些内存，但很容易匹配字符串（O（k）（其中k是最长的字符串大小）。
答案 2 :(得分：1)
我首先想到的是：使用数据结构来确定字符串的公共前缀和后缀。然后在考虑这些前缀和后缀的情况下对单词进行排序。这会产生您想要的ragdollhouse。
答案 3 :(得分：1)
看起来类似于Knapsack problem，它是NP完全的，因此没有“确定的”算法。
答案 4 :(得分：1)
我在大学做了一个实验室，我们的任务是实施一个简单的压缩程序。
我们所做的是将这些技术依次应用于文本：
在这里，我找到了assignment page。
要获取原始文本，您可以执行（1）霍夫曼解码，（2）逆MTF，然后（3）逆BWT。 Interwebs上有很多关于这一切的好资源。
答案 5 :(得分：1)
完善第3步。
这将为您提供'ragdollhouse'作为示例中的存储数据。目前尚不清楚它是否总能最佳地发挥作用（例如，如果你在单词列表中也有'barbiedoll'和'dollar'）。
答案 6 :(得分：0)
答案 7 :(得分：0)
目前尚不清楚你想做什么。
您是否想要一种数据结构，让您以记忆意识的方式存储字符串，同时允许在合理的时间内进行搜索等操作？
你只是想要一个压缩的单词数组吗？
在第一种情况下，您可以选择patricia trie或String B-Tree。
对于第二种情况，你可以采用一些索引压缩技术，如：
如果你有类似的话：
aaa
aaab
aasd
abaco
abad
你可以这样压缩：
0aaa
3b
2sd
1baco
2ad
该数字是前一个字符串的最大公共前缀的长度。 您可以调整该架构，例如。计划在K字之后“重启”公共前缀，以进行快速重建