Question

我有一个按行长度递减排序的大量字符串文本文件。我想将整个事物加载到一个字符串数组中，在每个字符串上执行Levenshtein，创建一个组UUID并将其放入一个数组中。因此第二个数组将是一个哈希表，其中键是前一个字符串的内存地址，值是一个UUID。

我想在迭代字符串时执行指针运算以获得最佳性能。

在迭代地执行levenshtein ga-zillions次之后，我想填充另一个文本文件，其内容很简单，组的UUID，冒号和原始文本文件中的行。

我有来自wikibooks的levenshtein算法：

template<class T> unsigned int levenshtein_distance(const T &s1, const T & s2) {
    const size_t len1 = s1.size(), len2 = s2.size();
    vector<unsigned int> col(len2+1), prevCol(len2+1);

    for (unsigned int i = 0; i < prevCol.size(); i++)
            prevCol[i] = i;
    for (unsigned int i = 0; i < len1; i++) {
            col[0] = i+1;
            for (unsigned int j = 0; j < len2; j++)
                    col[j+1] = min( min( 1 + col[j], 1 + prevCol[1 + j]),
                                                            prevCol[j] + (s1[i]==s2[j] ? 0 : 1) );
            col.swap(prevCol);
    }
    return prevCol[len2];
}

我做了一些C ++，一些C，加载了Obj-C。我正在使用Windows 7.您如何推荐我这样做？什么样的字符串数组？如何从文本文件转换文本字符串以供所提供的函数使用？

我基本上都在寻找尽可能多的提示，因为字符串让我在C ++中感到困惑。哦，C ++也是如此！

感谢

Answer 1

对于纯粹的访问时间，您将难以击败完整的读取内存，然后通过单次传递对其进行索引，构建指针列表并在遇到的每个CR / LF上硬编写空终止符。行号将是您存储所有指针的容器的索引，为此我可能会使用std::deque<>。

boost :: guys可能会进一步提升它，但是为了快速访问它很难击败一大堆内存和一大堆指针。当然，这整个事情假设您可以将拟合到内存中。如果你不能，这会变得更加复杂，但是如果你能（并且可以假设你总是可以），malloc / walk-and-terminate / push-ptr-into-deque看起来很干净。为了让它真正吸烟，我还会用指针存储每个字符串的长度，因此std::deque<>将是struct { char* ptr; size_t len; }。这样做可以消除大量不需要的strlen（）等。它还可以消除无效终止任何内容的需要。

控制台程序读取文本文件行，做Levenshtein并输出一个文本文件

1 个答案: