Question

我很好奇什么是最有效的算法（或常用的）来计算一大块文本中字符串的出现次数。

从我read开始，Boyer-Moore字符串搜索算法是字符串搜索的标准，但我不确定以有效的方式计算出现次数与搜索字符串是否相同。

在Python中，这就是我想要的：

text_chunck = "one two three four one five six one"
occurance_count(text_chunck, "one") # gives 3.

编辑：似乎python str.count就是这样一种方法;但是，我无法找到它使用的算法。

Answer 1

对于初学者，是的，你可以非常有效地完成Boyer-Moore。但是，根据问题的其他一些参数，可能会有更好的解决方案。

The Aho-Corasick string matching algorithm 会在目标字符串中找到所有出现的 set 模式字符串，并且在时间O（m + n + z）中这样做，其中m是要搜索的字符串的长度，n是要匹配的所有模式的组合长度，z是生成的匹配总数。如果您只有一个要匹配的字符串，那么源和目标字符串的大小是线性的。它还会发现相同字符串的重叠出现。此外，如果要检查一组字符串在某些源字符串中出现的次数，您只需要对该算法进行一次调用。除此之外，如果您要搜索的字符串集永远不会更改，您可以将O（n）作为预处理时间，然后在O（m + z）中查找所有匹配项。

另一方面，如果您要搜索一个源字符串和一组快速变化的子字符串，则可能需要使用 suffix tree 。对于要搜索的字符串的O（m）预处理时间，您可以在每个子字符串的O（n）时间内检查长度为n的特定子字符串在字符串中出现的次数。

最后，如果您正在寻找可以轻松编码并轻松编写代码的内容，您可能需要考虑查看 Rabin-Karp 算法，该算法使用roling哈希函数找到字符串。这可以用大约十到十五行代码编码，没有预处理时间，对于普通文本字符串（很多匹配很少的文本）可以很快找到所有匹配。

希望这有帮助！

Answer 2

Boyer-Moore是计算事件计数的好选择，因为它有一些你只需要做一次的开销。模式字符串越长越好，因此对于“one”来说，它不是一个好的选择。

如果要计算重叠，请在上一次匹配后开始下一个搜索一个字符。如果要忽略重叠，请在上一次匹配后开始下一次搜索完整模式字符串长度。

如果您的语言使用indexOf或strpos方法在另一个字符串中查找一个字符串，则可以使用该字符串。如果它被证明是慢的，那么选择一个更好的算法。

Answer 3

Hellnar酒店，您可以使用简单的字典来计算String中的出现次数。该算法是一种计数算法，这是一个例子：

"""
The counting algorithm is used to count the occurences of a character
in a string. This allows you to compare anagrams and strings themselves.
ex. animal, lamina a=2,n=1,i=1,m=1
"""

def count_occurences(str):
  occurences = {}
  for char in str:
    if char in occurences:
      occurences[char] = occurences[char] + 1
    else:
      occurences[char] = 1
  return occurences

  def is_matched(s1,s2):
    matched = True
    s1_count_table = count_occurences(s1)

    for char in s2:
      if char in s1_count_table and s1_count_table[char]>0:
      s1_count_table[char] -= 1
    else:
      matched = False
      break
    return matched

  #counting.is_matched("animal","laminar")

如果字符串匹配，此示例仅返回True或False。请记住，此算法会计算字符在字符串中显示的次数，这对字谜很有用。

字符串出现计数算法

3 个答案: