Correspondência de string em tempo real

15

Tarefa

A tarefa é jogar golfe em um algoritmo de correspondência exata de seqüência em tempo real de sua escolha.

Entrada

Duas linhas de texto fornecidas na entrada padrão, separadas por uma nova linha. A primeira linha contém o "padrão" e será simplesmente uma string ASCII desenhada a partir das letras a-z.

A segunda linha contém o "texto" mais longo e também será simplesmente uma string ASCII desenhada a partir das letras a-z.

Resultado

Uma lista de índices de onde as correspondências exatas ocorrem. Você deve exibir a posição do início de cada partida que ocorrer.

Especificação

Seu algoritmo pode gastar tempo linear pré-processando o padrão. Em seguida, ele deve ler o texto da esquerda para a direita e levar um tempo constante para cada caractere no texto e gerar qualquer nova correspondência assim que ela ocorrer. É claro que as partidas podem se sobrepor.

Algoritmo

Existem muitos algoritmos de correspondência exata em tempo real. Um é mencionado no wiki do KMP, por exemplo. Você pode usar qualquer um que quiser, mas sempre deve dar a resposta certa.

Manterei uma tabela de líderes por idioma para que aqueles que preferem os idiomas populares também possam vencer à sua maneira. Por favor, explique qual algoritmo você implementou.

Tempo real

Parece que houve muita confusão sobre o que significa tempo real. Isso não significa simplesmente tempo linear. Portanto, o KMP padrão não é em tempo real. O link na pergunta aponta explicitamente para uma parte da página wiki do KMP sobre uma variante em tempo real do KMP. Nem Boyer-Moore-Galil é em tempo real. Esta pergunta / resposta da história discute o problema ou é possível pesquisar no Google "correspondência exata em tempo real" ou termos semelhantes.

Comunidade
fonte
Estou correto ao supor que respostas vetorizadas não contam? ie, DEVEMOS atravessar o texto linearmente?
sirpercival
Então, se eu tivesse as strings abcde acbdefg, eu produziria 1 4, para ae d?
ASCIIThenANSI
Eu não acho que é certo, ambos ae dcombinar. Existe abcde acbdefg, e o ae destão em posições idênticas.
ASCIIThenANSI
1
@ASCIIThenANSI YES! :)
1
Por que estamos tendo 1 índices baseados aqui? --.-
Otimizador

Respostas:

3

Python 2, 495 bytes

Este é um KMP em tempo real, muito mais curto e apenas um pouco mais lento que o algoritmo BMG (que geralmente é sublinear). Ligue com K(pattern, text); saída é idêntica ao algoritmo BMG.

L,R,o=len,range,lambda x:ord(x)-97
def K(P,T):
 M,N=L(P),L(T);Z=[0]*M;Z[0]=M;r=l=0
 for k in R(1,l):
    if k>r:
     n=0
     while n+k<l<P[n]==P[n+k]:n+=1
     Z[k]=n
     if n>0:l,r=k,k+n-1
    else:
     p,_=k-l,r-k+1
     if Z[p]<_:Z[k]=Z[p]
     else:
        i=r+1
        while i<M<P[i]==P[i-k]:i+=1
        Z[k],l,r=i-k,k,i-1
 F=[[0]*26]*M
 for j in R(M-1,0,-1):z=Z[j];i,x=j+z-1,P[z+1];F[i][o(x)]=z
 s=m=0
 while s+m<N:
    c=T[s+m]
    if c==P[m]:
     m+=1
     if m==M:print s,;s+=1;m-=1
    else:
     if m==0:s+=1
     else:f=F[m][o(c)];s+=m-f;m=f
sirpercival
fonte
Qual referência você usou para o KMP em tempo real por interesse?
O algoritmo de busca era um amálgama de vários, mas a parte em tempo real veio principalmente disso com uma pitada de Wikipedia.
Sirpercival
2

Python 2, 937 bytes

Isso não é curto, de forma alguma, mas (a) funciona, (b) atende a todos os requisitos e (c) é praticado tanto quanto eu puder.

L,r,t,o,e,w=len,range,26,lambda x:ord(x)-97,enumerate,max
def m(s,M,i,j,c=0):
 while i<M-c>j<s[i+c]==s[j+c]:c+=1
 return[c,M-i][i==j]
def Z(s):
 M=L(s)
 if M<2:return[[],[1]][M]
 z=[0]*M;z[0:2]=M,m(s,M,0,1)
 for i in r(2,1+z[1]):z[i]=z[1]-i+1
 l=h=0
 for i in r(2+z[1],M):
    if i<=h:k=i-l;b,a=z[k],h-i+1;exec["z[i]=b+m(s,M,a,h+1);l,h=i,i+z[i]-1","z[i]=b","z[i]=min(b,M-i);l,h=i,i+z[i]-1"][cmp(a,b)]
    else:
     z[i]=m(s,M,0,i)
     if z[i]>0:l,h=i,i+z[i]-1
 return z
def S(P,T):
 M,N=L(P),L(T)
 if not 0<M<N:return
 R,a=[[-1]]*t,[-1]*t
 for i,c in e(P):
    a[o(c)]=i
    for j in r(t):R[j]+=a[j],
 if M<=0:R=[[]]*t
 n,F,z,l=Z(P[::-1])[::-1],[0]*M,Z(P),0;G=[[-1,M-n[j]][n[j]>0]for j in r(M-1)]
 for i,v in e(z[::-1]):l=[l,w(v,l)][v==i+1];F[~i]=l
 k,p=M-1,-1
 while k<N:
    i,h=M-1,k
    while 0<=i<[]>h>p<P[i]==T[h]:i-=1;h-=1
    if i<0 or h==p:print-~k-M,;k+=[1,M-F[1]][M>1]
    else:c,q=i-R[o(T[h])][i],i+1;s=w(c,q==M or M-[G,F][G[q]<0][q]);p=[p,k][s>=q];k+=s

Esta é uma implementação do algoritmo Boyer-Moore-Galil. Bem simples - ligue comS(pattern,text) ; as outras duas funções são usadas no pré-processamento. De fato, tudo, exceto as últimas 5 linhas, é pré-processamento.

Um exemplo de execução, que levou cerca de um segundo:

>>> a = 'a'*1000
>>> b = 'a'*1999 + 'b'
>>> S(a,b)
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999
sirpercival
fonte
Não tenho certeza se é em tempo real, é?
Boyer-Moore-Galil é executado no pior caso de O (n + m) . Na verdade, é mais rápido que o KMP.
Sirpercival
Mas tempo real não é o mesmo que tempo linear.
Sob "especificações", diz que o algoritmo deve ser executado no O(m)pré-processamento e na O(n)correspondência [=> O(n+m)], o que faz (ou melhor).
Sirpercival
Sim, mas não é isso que significa tempo real. A coisa toda pode O(n+m)demorar, mas leva um tempo para um dos símbolos no texto, por exemplo.
1

KMP, Python 2 (213 bytes)

R=raw_input
E=enumerate
p=R()
t=R()
f=[-1]*((len(p)+1))
j=-1
for i,c in E(p):
 while j+1 and p[j]!=c:j=f[j]
 f[i+1]=j=j+1
j=-1
for i,c in E(t):
 while j+1 and p[j]!=c:j=f[j]
 j+=1
 if j==len(p):print i+1-j;j=f[j]

Versão não destruída. O primeiro loop é criar os autômatos do KMP. O segundo loop está andando nos autômatos. Eles compartilham quase o mesmo padrão, mas abstraí-los custará mais bytes; portanto, para um código de golfe, eu prefiro duplicar essa lógica. Implementação semelhante é realmente amplamente usada em concursos de programação.

pattern = raw_input()
text = raw_input()

fail = [-1] * (len(pattern) + 1)
j = -1
for i, c in enumerate(pattern):
    while j >= 0 and pattern[j] != c:
        j = fail[j]
    j += 1
    fail[i + 1] = j

j = -1
for i, c in enumerate(text):
    while j >= 0 and pattern[j] != c:
        j = fail[j]
    j += 1
    if j == len(pattern):
        print i + 1 - j
        j = fail[j]
Raio
fonte
Infelizmente, isso não é em tempo real. Veja o link wiki na pergunta.
1

KMP em tempo real, Python 2 (167 bytes)

R=raw_input
E=enumerate
P=R()
T=R()
F=[{}]
for i,c in E(P):j=F[i].get(c,0);F+=[dict(F[j])];F[i][c]=i+1
j=0
for i,c in E(T):
 j=F[j].get(c,0)
 if j==len(P):print i+1-j

No KMP normal, simulamos o comportamento do autômato usando uma função de falha. Nesse KMP em tempo real, o autômato completo é construído para que na frase correspondente ele possa processar cada caractere em tempo real (tempo constante).

A complexidade do tempo e do espaço de pré-processamento é O (nm), onde m é o tamanho do alfabeto en é o comprimento da sequência de padrões. No entanto, em meus testes, o tamanho real da tabela de transição é sempre menor que 2n, portanto, talvez possamos provar que a complexidade do tempo e do espaço é O (n).

Versão ungolfed

pattern = raw_input()
text = raw_input()

# transitions[i][c] points to the next state walking from state i by c.
# Transition that point to staet 0 are not stored.
# So use transitions[i].get(c, 0) instead of transitions[i][c]
transitions = [{}]
for i, c in enumerate(pattern):
    j = transitions[i].get(c, 0)
    transitions.append(transitions[j].copy())
    # Before this assignment, transitions[i] served as the fail function
    transitions[i][c] = i + 1

j = 0
for i, c in enumerate(text):
    j = transitions[j].get(c, 0)
    if j == len(pattern):
        print i + 1 - j
Raio
fonte
Bem, infelizmente, a tabela de hash no Python não é em tempo real, portanto a implementação aqui também não é em tempo real.
Ray
1

Q, 146 bytes

W:S:u:"";n:0;p:{$[n<#x;0;x~(#x)#W;#x;0]};f:{{|/p'x}'((1_)\x#W),\:/:u};F:{S::x 1;W::*x;n::#W;u::?W;T:(f'!1+n),\:0;(&n=T\[0;u?S])-n-1}

Teste

F "
 ABCDABD
 ABCdABCDABgABCDABCDABDEABCDABzABCDABCDABDE "

gera 15 e 34

Notas

Não restrito ao alfabeto (suporta qualquer caractere ascii e diferencia maiúsculas de minúsculas).

Não usa nenhuma das operações específicas definidas por Q sobre seqüências de caracteres -> funciona em seqüências de caracteres (sequências (operações, correspondência, comprimento etc.)

Minimiza a tabela de transição que une todos os caracteres que não estão no padrão como uma única classe de caracteres.

Eu posso apertar um pouco o código. É uma primeira tentativa de validar a estratégia da solução

Visite qualquer caractere de texto exatamente uma vez e, para cada caractere de entrada, há um salto exclusivo. Então, suponho que a pesquisa se encaixe como 'tempo real'

O estado da construção da tabela i e char c procura a substring mais longa que termina em ie após o acréscimo de c é um prefixo de S. A construção não é otimizada, portanto, não sei se é válido

O formato de entrada não se encaixa bem com o idioma. Passar dois argumentos de string economizará 16 bytes

Explicação

W global representa padrão e S corresponde ao texto a ser pesquisado

x:1_"\n "\:x código estranho para lidar com os requisitos de entrada (Q requer que essas cadeias de linhas múltiplas não tenham a primeira linha recuada, portanto, ele deve descartar espaço adicional na frente de todas as linhas que não são a primeira)

n::#W calcula o comprimento W e salva como n global

u::?W calcula caracteres únicos em W e salva como u global

u?S gera a classe de caracteres para cada caractere de S

Construa uma tabela de transição T com uma linha por caractere exclusivo em W (mais um extra) e uma coluna para cada índice em W (mais um extra). A linha extra corresponde ao estado inicial e a coluna extra coleta qualquer caractere em S, mas não em W. Essa estratégia minimiza o tamanho da tabela

p:{$[n<#x;0;x~(#x)#W;#x;0]} é a função que procura o prefixo mais longo

f:{{|/p'x}'((1_)\x#W),\:/:u} é a função que calcula uma linha x de T

T:(f'!1+n),\:0 applies f repeteadly to calculate each row, and adds value 0 to each row

Pesquise texto usando a tabela de transição. T\[0;u?S]itera mais de 0 (estado inicial) e cada classe de caractere de S, usando como novo valor o valor na tabela de transição T [state] [charClass]. Os estados finais têm o valor n, portanto, procuramos esse valor na sequência de estados e o retornamos ajustado (para indicar a posição inicial em vez da posição final de cada partida)

J. Sendra
fonte
0

Boyer-Moore, Perl (50)

Perl tenta usar Boyer-Moore naturalmente:

$s=<>;$g=<>;chomp$g;print"$-[0] "while$s=~m/($g)/g
protista
fonte
Infelizmente, isso não é tempo real.
O que você quer dizer com "tempo real"?
Protist
Tempo constante para cada símbolo do texto lido. Veja o link do wiki que colei.