引例
题目描述
给定一个字符串 A A A 和一个字符串 B B B,求 B B B 在 A A A 中的出现次数。 A A A 和 B B B 中的字符均为英语大写字母或小写字母。
A A A 中不同位置出现的 B B B 可重叠。
输入格式
输入共两行,分别是字符串 A A A 和字符串 B B B。
输出格式
输出一个整数,表示 B B B 在 A A A 中的出现次数。
样例输入
zyzyzyz
zyz
样例输出
3
数据范围与提示
1 ≤ A , B 1 \leq A, B 1≤A,B 的长度 ≤ 1 0 6 \leq 10 ^ 6 ≤106, A A A、 B B B 仅包含大小写字母。
暴力求解思路
逐一枚举 A A A 中的位置 i i i 作为 B B B 的起点,检查是否可以匹配,时间复杂度为 O(n2),显然会超时。
一、进制
通过对各种进制的观察,我们不难发现:
- 任意一个 R R R 进制的数,都可以看成是一个满足如下条件的字符串:
- 每个位上都是 [ 0 , R − 1 ] [0, R-1] [0,R−1] 之间的一个数字;
- 两个字符串相等,当且仅当这两个字符串代表的 R R R 进制数相等。
- 判断两个字符串相等,需要一层循环,是 O(n) 的,而判断两个数相等,是 O(1) 的。
- 所有英文字母的取值范围都在 128 以内,因此,每个英文字母均可以看成是一个 R ( R > = 128 ) R(R>=128) R(R>=128) 进制数的基数值,任意一个字符串均可看作有一个或多个位的 R R R 进制数。
H ( " a b c d " ) = 97 ⋅ R 3 + 98 ⋅ R 2 + 99 ⋅ R + 100 H ( " a b " ) = 97 ⋅ R + 98 H ( " c d " ) = 99 ⋅ R + 100 = H ( a b c d ) − H ( a b ) ⋅ R 2 \begin{aligned} H("abcd") &= 97\cdot R^3+98\cdot R^2+99\cdot R+100 \\ H("ab") &= 97\cdot R+98 \\ H("cd") &= 99\cdot R+100=H(abcd)-H(ab)\cdot R^2 \end{aligned} H("abcd")H("ab")H("cd")=97⋅R3+98⋅R2+99⋅R+100=97⋅R+98=99⋅R+100=H(abcd)−H(ab)⋅R2
不难看出,在已知某个字符串的所有前缀的 R R R 进制数值的前提下,计算任意一个子串的 R R R 进制数值只需 O(1) 的时间(当然还需要预处理出 R i R^i Ri 的值)。
至此,对于上面的题目,我们可以:
- 把 B B B 转为一个 R R R 进制数 h b hb hb,时间复杂度为 O(n)。
- 逐一枚举 A A A 中的位置 i i i,预处理出 A A A 的前 i i i 位构成的 R R R 进制数的数值 h [ i ] h[i] h[i],时间复杂度为 O(n)。
- 逐一枚举 A A A 中的位置 i i i,用 O(1) 的时间 A A A 中从第 i i i 个位开始的与 B B B 相同的一个字符串对应的 R R R 进制数 h a ha ha,检查是否满足 h b = = h a hb==ha hb==ha。
按照这个思路,整个算法的时间复杂度就降到了 O(n),可以通过了。
但是等等,这里好像有一个问题:由于 R R R 是大于等于 128 的数, R i R^i Ri 很容易就会超出 i n t int int 甚至 l o n g l o n g long\ long long long 的取值范围,我们根本无法存储。而如果采用大整数来运算及存储,就得不偿失了。
那该怎么办呢?
我们遇到了一个取值范围远大于表示范围的对应问题,就如同关键字与位置下标的对应问题,要将取值范围非常大的一组数(字符串的 R R R 进制数值),尽量没有冲突地均匀存入一个空间有限的数组(基础变量类型的取值范围)中,这是标准的散列问题。
二、散列
设计这种散列函数一定要简单且快,通常采用经典的“除留余数法”,为了减少冲突,我们需要做 2 件事情:
- 要让余数的取值范围尽量大(采用最大的数据类型
unsigned long long
,相当于模 264)。 - R R R 选取一个大于 128 的素数,例如:131,13331 等等。
H ( " a b c d " ) = 97 × 13 1 3 + 98 × 13 1 2 + 99 × 131 + 100 = 218064827 + 1681778 + 12969 + 100 = 219746605 \begin{aligned} H("abcd") &= 97\times 131^3+98\times 131^2+99\times 131+100\\ &=218064827+1681778+12969+100\\ &=219746605 \end{aligned} H("abcd")=97×1313+98×1312+99×131+100=218064827+1681778+12969+100=219746605
那么,上面为什么没有去模 264 呢?因为 unsigned long long
本身恰好就是 64 位,它计算出来的结果本来就是只保留小于 264 的部分,这称作自然溢出。
好啦!到此为止,我们就完成了真个算法设计,看看代码吧!
#include <iostream>
#include <cstring>
using namespace std;
using ULL = unsigned long long;
const int N = 1e6 + 7, P = 131;
ULL sum[N], sa, pw[N];
char s[N];
int main() {scanf("%s", s + 1);pw[0] = 1;int len = strlen(s + 1);for (int i = 1; s[i]; ++i) {sum[i] = sum[i-1] * P + s[i];pw[i] = pw[i-1] * P;}scanf("%s", s + 1);int lena = strlen(s + 1), ans = 0;for (int i = 1; s[i]; ++i)sa = sa * P + s[i];for (int i = 1; i+lena-1 <= len; ++i) {ULL d = sum[i+lena-1] - sum[i-1]*pw[lena];if (d == sa) ++ans;}printf("%d", ans);return 0;
}