Question

我需要对任意长度的大量文本字符串进行排序。我认为基数排序是最好的选择。列表真的很大，所以填充字符串到相同的长度是完全不可能的是否有任何现成的实现，最好是在C＃？

Answer 1

根据您的需要，您可能会发现将所有字符串插入某种形式的Trie是最佳解决方案。即使是基本的三元搜索工具也会比数组/字符串列表具有更小的内存占用，并且将按排序顺序存储字符串。

插入，查找和删除都是O(k * log(a))，其中a是字母表的大小（字符的可能值的数量）。由于a是常量，因此log(a)因此您最终会使用O(n * k)算法进行排序。

编辑：如果您不熟悉Tries，它们基本上是n-ary树，其中每条边代表键的单个字符。插入时，检查根节点是否包含与键的第一个字符匹配的边（或子节点）。如果是，则按照该路径重复第二个字符，依此类推。如果没有，则添加新边。在三元搜索Trie中，边/子项存储在二叉树中，因此字符按排序顺序排列，可以在log(a)时间内搜索。如果你想浪费内存，可以将边/子存储在一个大小为a的数组中，这样就可以在每一步中不断查找。

Answer 2

查看此主题。 radix sort 或此radix sort implementation

Answer 3

有多少，一百万？

内置List<string>.Sort()平均需要O（n * log（n））。

log2（10 ^ 6）〜= 20，对于10 ^ 6个元素，它不比O（n）慢得多。如果你的字符串长度超过20个字符，则基数排序O（n * k）将“慢”。

我怀疑基数排序会比内置排序快得多。但衡量和比较会很有趣。

Answer 4

编辑：我之前提到的这些陈述有一点意义，但总的来说这是错误的。

基数排序是在大量字符串上使用的错误排序。对于像

这样的事情

I really like squirrels. Yay, yay, yay!
I really like blue jays. Yay, yay, yay!
I really like registers. Yay, yay, yay!

你会有一堆条目落在同一个桶中。您可以通过散列来避免这种情况，但是使用散列代码的用途是什么？

使用quicksort或mergesort等。（Quicksort通常表现更好，占用内存更少，但很多例子都有O（N ^ 2）的最坏情况性能，这在实践中几乎不会发生; Mergesort表现不太好，但通常实现稳定，而且它是容易在内存中分离，在磁盘上分开。）也就是说，使用内置的排序功能。

编辑：嗯，事实证明，至少在开头有很长重复的非常大的文件（例如源代码）和许多行完全相同（实际上是100倍重复），基数排序确实开始变得具有竞争力快速排序。我很惊讶！但是，无论如何，这是我用来实现基数排序的代码。它是在Scala中，而不是C＃中，但我是以相当迭代的方式编写的，所以它应该是合理明显的。只有两个棘手的位是(a(i)(ch) & 0xFF)是从字节数组中提取0-255字节（字节是有符号的），counts.scanLeft(0)(_ + _)形成一个累计的计数总和，从零开始（然后indices.clone.take(257)获取除最后一个之外的所有内容），并且Scala允许多个参数列表（因此我从具有递归中使用的默认值的参数中拆分始终提供的参数）。这是：

def radixSort(a: Array[Array[Byte]])(i0: Int = 0, i1: Int = a.length, ch: Int = 0) {
  val counts = new Array[Int](257)
  var i = i0
  while (i < i1) {
    if (a(i).length <= ch) counts(0) += 1
    else { counts((a(i)(ch)&0xFF)+1) += 1 }
    i += 1
  }
  val indices = counts.scanLeft(0)(_ + _)
  val starts = indices.clone.take(257)
  i = i0
  while (i < i1) {
    val bucket = if (a(i).length <= ch) 0 else (a(i)(ch)&0xFF)+1
    if (starts(bucket)+i0 <= i && i < starts(bucket)+i0+counts(bucket)) {
      if (indices(bucket) <= i) indices(bucket) = i+1
      i += 1
    }
    else {
      val temp = a(indices(bucket)+i0)
      a(indices(bucket)+i0) = a(i)
      a(i) = temp
      indices(bucket) += 1
    }
  }
  i = 1
  while (i < counts.length) {
    if (counts(i)>1) {
      radixSort(a)(i0+starts(i),i0+starts(i)+counts(i),ch+1)
    }
    i += 1
  }
}

时间是7M行源代码（100x重复70k行），基数排序与内置库排序相关联，之后获胜。

Answer 5

String.Compare（）重载正在使用这种字符串比较。看看你需要的是把它喂给你排序算法。

<强>更新

这是实施：

[MethodImpl(MethodImplOptions.InternalCall)]
internal static extern int nativeCompareString(int lcid, string string1, int offset1, int length1, string string2, int offset2, int length2, int flags);

使用您自己的实现很难击败这个本机非托管实现。

Radix排序任意长度的字符串

5 个答案: