我的数据结构类中遇到了一个问题，就是找到解决这个问题的方法。这与面试问题类似。如果有人能够解释问题的思考过程或解决方案。可以使用伪代码。到目前为止，我一直在考虑使用try来保存字典并查找那些提高效率的单词。
这是问题所在：
哦，不！当您发现不幸的查找/替换事故时，您刚刚完成了一份冗长的文档。您不小心删除了文档中的所有空格，标点符号和大小写。像“我重置计算机。它仍然没有启动！”这样的句子。将成为“iresetthecomputeritstilldidntboot”。一旦你将各个单词正确分开，你就可以计算出以后可以在标点和大写中添加回来。大多数单词都在字典中，但有些字符串，如专有名字，不会。
给定一个字典（一个单词列表），设计一种算法来找到“非复杂化”单词序列的最佳方式。在这种情况下，“最佳”被定义为最小化无法识别的字符序列数的解析。
例如，字符串“jesslookedjustliketimherbrother”将被最佳地解析为“JESS看起来就像TIM她的兄弟”。这个解析有七个无法识别的字符，为了清楚起见，我们已将其大写。
答案 0 :(得分：2)
对于每个索引n，在字符串中，从该索引开始计算最优解的成本C(n)（即：最佳解析中无法识别的字符数）。
然后，问题的解决方案是C(0)。
C有一个递归关系。在每个n，您要么匹配i字符的单词，要么跳过字符n，产生成本1，然后以最佳方式解析其余部分。您只需要找到哪些选择成本最低。
让N成为字符串的长度，让W(n)成为一个集合，其中包含字符串中索引为n的所有单词的长度。然后：
C(N) = 0
C(n) = min({C(n+1) + 1} union {C(n+i) for i in W(n)})
这可以通过动态编程实现，方法是从结尾开始构建C（n）表。
如果字典中最长单词的长度为L，则算法在最坏的情况下以O（NL）时间运行，如果您小心，则可以实现使用O（L）内存。 / p>
答案 1 :(得分：1)
您可以尝试部分模式匹配器，例如aho-corasick算法。基本上它是后缀树的特殊空间优化版本。
答案 2 :(得分：1)
您可以使用不同长度的滚动哈希来加速搜索。