Dopasowywanie ciągów w czasie rzeczywistym

15

Zadanie

Zadanie polega na golfie w wybrany przez siebie algorytm dokładnego dopasowywania ciągów w czasie rzeczywistym.

Wejście

Dwa wiersze tekstu dostarczane na standardowym wejściu, oddzielone nowym wierszem. Pierwszy wiersz zawiera „wzór” i będzie po prostu łańcuchem ASCII narysowanym z liter a-z.

Drugi wiersz zawiera dłuższy „tekst” i będzie również po prostu łańcuchem ASCII narysowanym z liter a-z.

Wynik

Lista wskaźników, w których występują dokładne dopasowania. Powinieneś podać pozycję początku każdego meczu, który ma miejsce.

Specyfikacja

Twój algorytm może spędzać czas liniowy na wstępnym przetwarzaniu wzorca. Następnie musi odczytać tekst od lewej do prawej i poświęcić stały czas każdemu znakowi w tekście i wypisać każde nowe dopasowanie, gdy tylko się pojawi. Mecze mogą się oczywiście nakładać na siebie.

Algorytm

Istnieje wiele algorytmów dopasowania ścisłego w czasie rzeczywistym. Jeden jest wspomniany na przykład na wiki dla KMP . Możesz użyć dowolnego, który Ci się podoba, ale zawsze musisz podać prawidłową odpowiedź.

Będę prowadzić tabelę liderów dla poszczególnych języków, aby ci, którzy preferują popularne języki, mogli wygrać na swój własny sposób. Wyjaśnij, który algorytm zaimplementowałeś.

Czas rzeczywisty

Wygląda na to, że doszło do zamieszania w kwestii tego, co oznacza czas rzeczywisty. Nie oznacza to po prostu czasu liniowego. Tak więc standardowy KMP nie działa w czasie rzeczywistym. Link w pytaniu wyraźnie wskazuje część strony wiki KMP na temat wariantu KMP w czasie rzeczywistym. Boyer-Moore-Galil również nie jest w czasie rzeczywistym. To pytanie / odpowiedź na ten temat omawia problem lub można po prostu wyszukać w Google „dokładne dopasowanie w czasie rzeczywistym” lub podobne warunki.

Społeczność
źródło
czy mam rację zakładając, że wektoryzowane odpowiedzi się nie liczą? tzn. MUSIMY przechodzić przez tekst liniowo?
sirpercival
Więc gdybym miał łańcuchy abcdi acbdefgwyprowadziłbym 1 4, dla ai d?
ASCIIThenANSI
Nie sądzę, że to prawda, ai dpasują do siebie. Istnieje abcdi acbdefg, ai dsą w identycznych pozycjach.
ASCIIThenANSI
1
@ASCIIThenANSI TAK! :)
1
Dlaczego mamy tutaj 1 indeksy? -.-
Optymalizator

Odpowiedzi:

3

Python 2, 495 bajtów

Jest to KMP w czasie rzeczywistym, który jest znacznie krótszy i tylko nieco wolniejszy niż algorytm BMG (który jest zwykle sublinearny). Zadzwoń z K(pattern, text); wynik jest identyczny z algorytmem 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
źródło
Którego referencji użyłeś do zainteresowania KMP w czasie rzeczywistym?
Algorytm wyszukiwania była połączeniem kilku, ale część czasie rzeczywistym pochodzili głównie z tego z odrobiną Wikipedii.
sirpercival
2

Python 2, 937 bajtów

To wcale nie jest krótkie, ale (a) działa, (b) spełnia wszystkie wymagania, i (c) gra w golfa tak bardzo, jak tylko mogę.

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

Jest to implementacja algorytmu Boyera-Moore-Galila. Całkiem proste - zadzwoń z S(pattern,text); pozostałe dwie funkcje są używane w procesie wstępnego przetwarzania. Rzeczywiście, wszystko oprócz ostatnich 5 linii jest przetwarzaniem wstępnym.

Przykładowy przebieg, który zajął około sekundy:

>>> 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
źródło
Nie jestem pewien, czy to jest w czasie rzeczywistym, prawda?
Boyer-Moore-Galil działa w najgorszym przypadku O (n + m) . Jest właściwie szybszy niż KMP.
sirpercival
Ale czas rzeczywisty to nie to samo, co czas liniowy.
Pod „specyfikacjami” mówi, że algorytm musi działać w procesie O(m)wstępnego przetwarzania i O(n)dopasowywania [=> O(n+m)], co robi (lub lepiej).
sirpercival
Tak, ale nie to oznacza w czasie rzeczywistym. Cała rzecz może działać w O(n+m)czasie, ale na przykład jeden z symboli w tekście może zająć n czasu.
1

KMP, Python 2 (213 bajtów)

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]

Wersja bez golfa. Pierwszą pętlą jest zbudowanie automatów KMP. Druga pętla chodzi po automatach. Dzielą one prawie ten sam wzór, ale ich wyodrębnienie będzie kosztować więcej bajtów, więc dla golfa kodowego wolę powielić tę logikę. Podobne wdrożenie jest faktycznie szeroko stosowane w programowaniu konkursów.

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]
Promień
źródło
Niestety nie jest to czas rzeczywisty. Zobacz link wiki w pytaniu.
1

Realtime KMP, Python 2 (167 bajtów)

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

W normalnym KMP symulujemy zachowanie automatu za pomocą funkcji fail. W tym KMP w czasie rzeczywistym konstruowany jest pełny automat, aby w dopasowanym wyrażeniu mógł przetwarzać każdy znak w czasie rzeczywistym (stały czas).

Złożoność czasu i złożoności przetwarzania wstępnego wynosi O (nm), gdzie m jest rozmiarem alfabetu, a n jest długością łańcucha wzorca. Jednak w moich testach rzeczywisty rozmiar tabeli przejścia jest zawsze mniejszy niż 2n, więc może możemy udowodnić, że złożoność czasu i przestrzeni wynosi O (n).

Wersja bez golfa

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
Promień
źródło
Niestety, tabela skrótów w Pythonie nie jest wykonywana w czasie rzeczywistym, więc implementacja tutaj również nie jest wykonywana w czasie rzeczywistym.
Ray
1

Q, 146 bajtów

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}

Test

FA"
 ABCDABD
 ABCdABCDABgABCDABCDABDEABCDABzABCDABCDABDE "

generuje 15 i 34

Notatki

Nie ogranicza się do alfabetu (obsługuje dowolny znak ascii i rozróżnia małe i wielkie litery).

Nie używa żadnej konkretnej operacji zdefiniowanej przez Q na ciągach -> działa na ciągach jako sekwencjach (dopasowanie operacji, długość itp.)

Minimalizuje tabelę przejściową łączącą wszystkie znaki nie będące wzorami jako jedna unikalna klasa znaków.

Potrafię trochę wycisnąć kod. To pierwsza próba weryfikacji strategii rozwiązania

Odwiedź dowolną postać tekstu dokładnie raz, a dla każdego wprowadzanego znaku jest unikalny skok. Zakładam więc, że wyszukiwanie pasuje do „czasu rzeczywistego”

Konstrukcja tabeli al stan i i char c szukają najdłuższego podłańcucha, który kończy się na i, a po dołączeniu c jest prefiksem S. Konstrukcja nie jest zoptymalizowana, więc nie wiem, czy jest poprawna

Format wejściowy nie pasuje dobrze do języka. Przekazanie dwóch argumentów ciągu spowoduje zapisanie 16 bajtów

Wyjaśnienie

globalny W reprezentuje wzorzec, a S odpowiada tekstowi do wyszukiwania

x:1_"\n "\:x dziwny kod, aby poradzić sobie z wymaganiami wejściowymi (Q wymaga, aby łańcuchy wielowierszowe zawierały wcięcia nie pierwsze, więc musi odrzucić dodatkowe miejsce przed każdym nie pierwszym wierszem)

n::#W oblicza długość W i zapisuje jako globalną n

u::?W oblicza unikalne znaki w W i zapisuje jako globalny u

u?S generuje klasę characted dla każdego znaku S

Zbuduj tabelę przejściową T z jednym rzędem na unikalny znak w W (plus jeden dodatkowy) i kolumną dla każdego indeksu w W (plus jeden dodatkowy). Dodatkowy wiersz odpowiada stanowi początkowemu, a dodatkowa kolumna zbiera dowolny znak w S, ale nie w W. Ta strategia minimalizuje rozmiar tabeli

p:{$[n<#x;0;x~(#x)#W;#x;0]} to funkcja wyszukująca najdłuższy prefiks

f:{{|/p'x}'((1_)\x#W),\:/:u} jest funkcją, która oblicza rząd x T

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

Wyszukaj tekst za pomocą tabeli przejścia. T\[0;u?S]iteruje ponad 0 (stan początkowy) i każdą klasę znaków S, używając jako nowej wartości wartości z tabeli przejścia T [stan] [charClass]. Stany końcowe mają wartość n, więc szukamy tej wartości w sekwencji stanów i zwracamy ją skorygowaną (aby wskazać początkową zamiast końcową pozycję każdego dopasowania)

J. Sendra
źródło
0

Boyer-Moore, Perl (50)

Perl próbuje użyć Boyer-Moore w naturalny sposób:

$s=<>;$g=<>;chomp$g;print"$-[0] "while$s=~m/($g)/g
protista
źródło
Niestety nie jest to czas rzeczywisty.
Co rozumiesz przez „czas rzeczywisty”?
protestujący
Stały czas dla każdego symbolu wczytywanego tekstu. Zobacz wklejony link wiki.