Question

基本上，Anagrams就像是字符串的排列.E.g stack，sackt，stakc都是stack的字谜（上面的想法是没有意义的）。无论如何，你可以理解我的意思。

现在，我想要一个anagrams列表给出百万字，或者只是从字典中说出来。

我的基本问题是Find total number of unique anagrams in a dictionary?

排序和比较不会起作用，因为它的时间复杂性非常糟糕。

我想过使用哈希表，字符串作为键。

但问题是哈希函数应该是什么？如果有一些伪代码会有所帮助提供。比提到的方法更好的其他一些方法也会有所帮助。

感谢。

Answer 1

显而易见的解决方案是将每个字符映射到素数并乘以素数。所以如果'a'' - ＆gt; 2和'b' - ＆gt; 3，然后

'ab' - ＆gt; 6
'ba' - ＆gt; 6
'bab' - ＆gt; 18
'abba' - ＆gt; 36
'baba' - ＆gt; 36

为了最大限度地减少溢出的可能性，可以将最小的素数分配给更频繁的字母（e，t，i，a，n）。注意：第26个素数是101。

更新： an implementation can be found here

Answer 2

一个可能的哈希函数可以是（仅假设英语单词）每个字母出现次数的排序计数。所以对于“anagram”你会产生[（'a'，3），（'g'，1），（'n'，1），（'m'，1），（'r'，1）]。

或者你可以通过从你的单词生成一个位掩码得到一个不精确的分组，其中0-25位表示该字母的存在或不存在（位0代表'a'到位25代表'z'）。但是，你必须进行更多的处理以进一步分割每个散列组以区分例如从“太”开始“到”。

这些想法中的任何一个都有帮助吗？任何特定的实现语言（我可以做C ++，python或Scala）？

编辑：添加了一些示例Scala代码和输出：

好的：我现在处于Scala模式，所以我已经敲了一些东西来做你要求的事情，但是（咳咳）如果你不熟悉Scala或函数式编程可能不太清楚

使用来自此处的大量英语单词：http://scrapmaker.com/data/wordlists/twelve-dicts/2of12.txt

我在它们上运行这个Scala代码（在脚本模式下使用Scala 2.9需要大约5秒钟，包括编译时间，使用大约40,000个单词的字典。不是最有效的代码，但首先想到的是）

// Hashing function to go from a word to a sorted list of letter counts
def toHash(b:String) = b.groupBy(x=>x).map(v => (v._1, v._2.size) ).toList.sortWith(_._1 < _._1)


// Read all words from file, one word per line
val lines = scala.io.Source.fromFile("2of12.txt").getLines

// Go from list of words to list of (hashed word, word)
val hashed = lines.map( l => (toHash(l), l) ).toList

// Group all the words by hash (hence group all anagrams together)
val grouped = hashed.groupBy( x => x._1 ).map( els => (els._1, els._2.map(_._2)) )

// Sort the resultant anagram sets so the largest come first
val sorted = grouped.toList.sortWith( _._2.size > _._2.size )

for ( set <- sorted.slice(0, 10) )
{
    println( set._2 )
}

这会排除前10组字谜（首先是成员最多的集合）：

List(caret, cater, crate, react, trace)
List(reins, resin, rinse, risen, siren)
List(luster, result, rustle, sutler, ulster)
List(astir, sitar, stair, stria, tarsi)
List(latrine, ratline, reliant, retinal)
List(caper, crape, pacer, recap)
List(merit, miter, remit, timer)
List(notes, onset, steno, stone)
List(lair, liar, lira, rail)
List(drawer, redraw, reward, warder)

请注意，这使用第一个建议（字母计数列表）而不是更复杂的位掩码方法。

编辑2：您可以使用每个单词的字符上的简单排序替换散列函数（如JAB所建议的那样），并使用更清晰/更快的代码获得相同的结果：

def toHash(b:String) = b.toList.sortWith(_<_)

Answer 3

如果对每个字符的哈希码值进行异或，然后按输入长度对结果进行异或，则无论单词的顺序如何，都将获得相同的值，这意味着所有字符串将产生相同的哈希值。（长度的异或会阻止'boss'和'bo'返回相同的值，因为's'对自身的散列总是为0。）

示例：

int AnagramHash(string input)
{
    int output = 0;

    foreach(char c in input)
        output ^= c.GetHashCode();

    return output ^ input.Length;
}

您仍然需要使用相同的AnagramHash搜索所有单词。我会使用哈希字段更新字典表（无论你的算法如何），以减少整体计算。

编辑：另外，作为附注，XOR是ALU执行的最简单的操作，因此如果您最终使用它，您应该能够相当快地生成哈希值。

Answer 4

排序和比较不会起作用，因为它的时间复杂度非常糟糕。

交换额外内存的时间复杂度，只需将单词中字母的计数存储在26 - char（或等同于您正在使用的任何语言中，并假设您使用的是罗马字母并且只有字母字符）数组和散列数组。你的O（n）时间相对于单词长度而言是困难的，但大多数英语单词并不那么长。

e.g。 stack，sackt和stakc都会有一个数组，其中包含s，t，a，c的位置，k == 1，其余全部设为0。

根据你的评论，这意味着只要你不自己整理单词，你就可以对单词的字符进行排序，你可以做一些比Alex的答案更简单的事情，只需对单词中的字符进行排序字符串和哈希结果。（larsmans首先说，但没有把它作为答案发布，所以......）

Answer 5

使用带有字符串作为键的hashmap和list（string）作为值，其中字符串列表包含键字符串的所有字符。

问题类似于“查找文件中某个单词的所有字谜”

在此处查看算法和代码http://justprogrammng.blogspot.com/2012/06/determine-anagrams-of-word-in-file.html

从字典中获取字谜列表

5 个答案: