- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我正在扩展我之前的问题 python efficient substring search ,
我有兴趣提高子字符串搜索实现的性能,
我上一个问题的一些答案指出,子字符串搜索是通过使用受 B-M 算法启发的 fastsearch 实现的,这是 source code
更多答案让我找到了 Boyer–Moore 算法、Rabin–Karp 算法的 python 实现。
嵌入 C 代码作为使用这些算法(B-M、Rabin-Karp)的子字符串搜索的良好实现是否有效?
最佳答案
您没有具体说明“高效”的含义。您愿意做出哪些权衡?您准备好在初始化新字符串时付出性能损失的代价吗?什么时候开始搜索?您会用更多的内存换取更快的速度吗?
python 开发者集clear goals当他们开发 python 字符串库时:
- should be faster than the current brute-force algorithm for all test cases (based on real-life code), including Jim Hugunin’s worst-case test
- small setup overhead; no dynamic allocation in the fast path (O(m) for speed, O(1) for storage)
- sublinear search behaviour in good cases (O(n/m))
- no worse than the current algorithm in worst case (O(nm))
- should work well for both 8-bit strings and 16-bit or 32-bit Unicode strings (no O(σ) dependencies)
- many real-life searches should be good, very few should be worst case
- reasonably simple implementation
因此,开发人员对搜索案例和设置案例的性能、存储要求以及维护效率设置了一些限制。这些边界排除了 Boyer-Moore(因为它需要对搜索的字符串进行预处理、启动成本和存储成本),虽然我没有看到开发人员考虑过 Rabin-Karp 的证据,但它可以在相同的情况下被排除理由(您需要创建哈希并存储它们)。
边界是根据 很多 python 内部结构和使用经验设置的。以上总结并非凭空而来,只是对那次经历的总结。
现在,如果您在特定情况下可以设置不同的权衡取舍,那么可以肯定的是,不同算法的 C 实现很可能胜过标准 Python 实现。但根据一组不同的标准,它会更有效率。
无论如何,Python 搜索算法处理小字符串的情况。如果您尝试将其应用于大型 文本主体,算法将无法像针对大型文本做出不同选择的算法那样执行得很好。如果您必须在 10,000,000 个文档中搜索文本,您会希望使用某种索引解决方案,而不是微不足道的小型 Python 字符串搜索。
将其与使用默认排序实现对包含 100 个项目的列表进行排序,与对 10,000,000,000 个整数进行排序进行比较。在后一种情况下,有一些排序实现可以轻松击败默认的 Python 产品。
还应该指出,Python 有算法创新的历史; Python 中的标准排序算法是 TimSort ,一种由 Tim Peters 发明的新算法,以适应 Python 解释器必须处理的实用现实环境。该算法已成为 Java 和 Android 平台的默认算法。因此,我倾向于相信 Python 核心开发人员的决定。
据我所知,没有人嵌入不同的实现,因为替换默认设置不会在不修补 Python C 代码的情况下工作。当然,您可以轻松创建实现不同搜索算法的专用字符串类型。很可能有一些库将 C 语言用于专门的搜索算法,这些算法使用 Boyer-Moore、Rabin-Karp 或任何其他算法,因为对于他们的特定问题领域来说,这可能是更好的选择。
关于Python:通过嵌入复杂的算法改进子字符串搜索,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12258847/
滑动窗口限流 滑动窗口限流是一种常用的限流算法,通过维护一个固定大小的窗口,在单位时间内允许通过的请求次数不超过设定的阈值。具体来说,滑动窗口限流算法通常包括以下几个步骤: 初始化:设置窗口
表达式求值:一个只有+,-,*,/的表达式,没有括号 一种神奇的做法:使用数组存储数字和运算符,先把优先级别高的乘法和除法计算出来,再计算加法和减法 int GetVal(string s){
【算法】前缀和 题目 先来看一道题目:(前缀和模板题) 已知一个数组A[],现在想要求出其中一些数字的和。 输入格式: 先是整数N,M,表示一共有N个数字,有M组询问 接下来有N个数,表示A[1]..
1.前序遍历 根-左-右的顺序遍历,可以使用递归 void preOrder(Node *u){ if(u==NULL)return; printf("%d ",u->val);
先看题目 物品不能分隔,必须全部取走或者留下,因此称为01背包 (只有不取和取两种状态) 看第一个样例 我们需要把4个物品装入一个容量为10的背包 我们可以简化问题,从小到大入手分析 weightva
我最近在一次采访中遇到了这个问题: 给出以下矩阵: [[ R R R R R R], [ R B B B R R], [ B R R R B B], [ R B R R R R]] 找出是否有任
我正在尝试通过 C++ 算法从我的 outlook 帐户发送一封电子邮件,该帐户已经打开并记录,但真的不知道从哪里开始(对于 outlook-c++ 集成),谷歌也没有帮我这么多。任何提示将不胜感激。
我发现自己像这样编写了一个手工制作的 while 循环: std::list foo; // In my case, map, but list is simpler auto currentPoin
我有用于检测正方形的 opencv 代码。现在我想在检测正方形后,代码运行另一个命令。 代码如下: #include "cv.h" #include "cxcore.h" #include "high
我正在尝试模拟一个 matlab 函数“imfill”来填充二进制图像(1 和 0 的二维矩阵)。 我想在矩阵中指定一个起点,并像 imfill 的 4 连接版本那样进行洪水填充。 这是否已经存在于
我正在阅读 Robert Sedgewick 的《C++ 算法》。 Basic recurrences section it was mentioned as 这种循环出现在循环输入以消除一个项目的递
我正在思考如何在我的日历中生成代表任务的数据结构(仅供我个人使用)。我有来自 DBMS 的按日期排序的任务记录,如下所示: 买牛奶(18.1.2013) 任务日期 (2013-01-15) 任务标签(
输入一个未排序的整数数组A[1..n]只有 O(d) :(d int) 计算每个元素在单次迭代中出现在列表中的次数。 map 是balanced Binary Search Tree基于确保 O(nl
我遇到了一个问题,但我仍然不知道如何解决。我想出了如何用蛮力的方式来做到这一点,但是当有成千上万的元素时它就不起作用了。 Problem: Say you are given the followin
我有一个列表列表。 L1= [[...][...][.......].......]如果我在展平列表后获取所有元素并从中提取唯一值,那么我会得到一个列表 L2。我有另一个列表 L3,它是 L2 的某个
我们得到二维矩阵数组(假设长度为 i 和宽度为 j)和整数 k我们必须找到包含这个或更大总和的最小矩形的大小F.e k=7 4 1 1 1 1 1 4 4 Anwser是2,因为4+4=8 >= 7,
我实行 3 类倒制,每周换类。顺序为早类 (m)、晚类 (n) 和下午类 (a)。我固定的订单,即它永远不会改变,即使那个星期不工作也是如此。 我创建了一个函数来获取 ISO 周数。当我给它一个日期时
假设我们有一个输入,它是一个元素列表: {a, b, c, d, e, f} 还有不同的集合,可能包含这些元素的任意组合,也可能包含不在输入列表中的其他元素: A:{e,f} B:{d,f,a} C:
我有一个子集算法,可以找到给定集合的所有子集。原始集合的问题在于它是一个不断增长的集合,如果向其中添加元素,我需要再次重新计算它的子集。 有没有一种方法可以优化子集算法,该算法可以从最后一个计算点重新
我有一个包含 100 万个符号及其预期频率的表格。 我想通过为每个符号分配一个唯一(且前缀唯一)的可变长度位串来压缩这些符号的序列,然后将它们连接在一起以表示序列。 我想分配这些位串,以使编码序列的预
我是一名优秀的程序员,十分优秀!