《Cracking the Coding Interview》——第17章：普通题——题目14

2014-04-29 00:20

题目：给定一个长字符串，和一个词典。如果允许你将长串分割成若干个片段，可能会存在某些片段在词典里查不到，有些则查得到。请设计算法进行分词，使得查不到的片段个数最少。

解法：用空间换取时间的动态规划算法，首先用O(n^2)的时间判断每一个片段是否在字典里。这个过程其实可以通过字典树来进行加速，时间上能优化一个阶，不过我没写，偷懒用<unordered_set>代表了字典。之后通过O(n)时间的动态规划，dp[i]表示当前位置的查不到的片段的最少个数。对于懂代码的人，代码说的比文字清楚，所以请看代码。

代码：

 // 17.14 Given a dictionary of words, and a long string. You may find a way to cut the string into words, where some of them may or may not be in the dictionary.
 // Dynamic programming is a good thing, but trades space in for time.
 #include <iostream>
 #include <string>
 #include <unordered_set>
 #include <vector>
 using namespace std;

 int main()
 {
     string data;
     unordered_set<string> dict;
     vector<vector<bool> > contains;
     vector<int> dp;
     int i, j;
     string s;
     int n;
     int tmp;

     while (cin >> data && data != "") {
         cin >> n;
         for (i = ; i < n; ++i) {
             cin >> s;
             dict.insert(s);
         }
         n = (int)data.length();

         contains.resize(n);
         for (i = ; i < n; ++i) {
             contains[i].resize(n);
         }
         for (i = ; i < n; ++i) {
             s = "";
             for (j = i; j < n; ++j) {
                 s.push_back(data[j]);
                 contains[i][j] = (dict.find(s) != dict.end());
             }
         }

         dp.resize(n);
         for (i = ; i < n; ++i) {
             dp[i] = contains[][i] ?  : i + ;
             for (j = ; j < i; ++j) {
                 tmp = dp[j] + (contains[j + ][i] ?  : i - j);
                 dp[i] = dp[i] < tmp ? dp[i] : tmp;
             }
         }

         printf("%d\n", dp[n - ]);

         for (i = ; i < n; ++i) {
             contains[i].clear();
         }
         contains.clear();
         dp.clear();
         dict.clear();
     }

     return ;
 }