应对"Find the first repeated character in a string"挑战的最紧凑、高效、可读和智能的解决方案

Most compact, efficient, readable and clever solution for the "Find the first repeated character in a string" challenge

本文关键字：高效 解决方案 智能 挑战 first the Find repeated character string in      更新时间：2023-10-16

我明天有一个编程面试，我正在练习。我读到一个常见的问题是使用原型找到字符串中第一个重复的字符

size_t FindFirstRepeatedChar ( char * );

我能想到的最好的解决方案是

#include <string.h>
#include <vector>
char FindFirstRepeatedChar ( char * S )
{
/* Returns the index of the first repeated character in the string S. 
Assume S does indeed contain a repeat.
*/
std::vector<bool> booVec(128,false)
for (char * c1(S), * c2(S+strlen(S)); c1 != c2; ++c1)
{
size_t i((size_t)*c1); 
if (booVec[i] == false) booVec[i] = true;
else return (char)i;
}   
}

但我想知道

(1) 这错了吗？

(2) 如果没有错的话，有没有什么方法可以节省电子，即进一步优化它？

(3) 有没有一个标准的库算法，我可以利用它在一行中解决它？

通常面试不会期望你说这个库已经做到了，因为他们想检查你是否可以编写代码和算法。

至于改进它，我想在一次采访中说，他们可能不是要求最好的优化，而是要求更容易阅读的东西(这也意味着你在写它时出错的风险更小)。

我可能会在第一个循环中写一个非常简单的嵌套循环。它比较慢，但写起来很容易。如果他们要求我做得更快，我稍后会转向你的解决方案。

该程序中的主要错误是，您输入了一个char(通常为8位)，而您的矢量只存储128个元素，因此如果字符串中有非ASCII字符，它将崩溃。

您的代码有一些缺陷。

首先，char可能是有符号的或无符号的，并且由于符号扩展，将signed char直接强制转换为size_t可能会产生意想不到的后果。当然，这只是有趣的，如果您接受任何大于127的字符可能存在，而您的代码目前根本不支持这些字符——如果不是这样，您可以进一步减小vector的大小。

第二，执行两次迭代，其中一次迭代命中整个字符串：strlen只能通过在整个字符串上运行来执行其工作。。。我们可以在这里添加更多的技巧，将booVec[0]的初始值设置为true：这将在第一次出现时触发return，从而使我们能够在提高安全性的同时完全消除循环退出条件。

第三，您的代码不支持unicode，尽管这可能是经过设计的。

通过用char const*s替换char*s，我们也允许代码处理例如字符串文字。

最后，您可以将vector的用法替换为数组。这将略微增加运行时内存的使用量，但可能会显著提高性能(因为不需要堆分配，也不需要位操作来从位向量中提取位)。

char FindFirstRepeatedChar(char const* S)
{
bool booVec[(std::numeric_limits<char>::max)()] = { true };
for (char const* c(S); ; ++c)
{
size_t i(static_cast<unsigned char>(*c)); 
if (booVec[i] == false) booVec[i] = true;
else return *c;
}
}

最后，对于标准库：由于标准库算法需要一个结束迭代器，如果没有额外的技巧(例如，编写一个具有有趣语义的迭代器类型)，它们的性能就会降低，这需要比整个示例更多的代码。

我正在考虑使用正则表达式匹配的方法。这是有效的，假设有一个重复。perl -pe '$_=reverse;s/(.*(.).*2.*)/2/s'。不过，如果我能去掉反面，那就更好了。

我可以试试这个：

char FindFirstRepeatedChar(char *S) {
size_t i = 1;
while (!memchr(S, S[i], i)) i++;
return S[i];
}

重复必须出现在前256个字符中(根据鸽子洞原则)，因此此代码总是在O(1)时间内运行。

问题：

  • 其他人已经观察到：负字符问题是最糟糕的，因为它会崩溃。使用vector是低效的，因为它动态地分配内存，这通常是一种昂贵的操作。通过动态测试空字符，可以避免只为找到字符串的末尾而对字符串进行一次迭代。

  • 我主要担心的是，您默默地更改了函数的返回类型，而不是必需/指定的类型。在这种情况下，这非常糟糕，因为只阅读规范/文档的用户会认为FindFirstRepeatedChar返回size_t。他能编码

    size_t firstRepIndex = S[FindFirstRepeatedChar ( char * S )];

    这甚至不会导致警告，因为char具有到size_t的整数提升路径。如果S较短，则该"索引"(在1..255范围内)可能超出范围，因此用它索引S将为UB。

    返回一个char也比索引传递更少的信息(重复在哪里？)。最后，如果某一天您可能想要测试未知字符串，则索引具有"无重复"值(0或最后一个元素索引之后的值)。字符没有"转义值"，因为在一般情况下，字符可以包含任何位模式，包括0(尽管在这种情况下，由于不存在长度参数，我们必须假设0终止的字符串参数，以便0可以用来表示"未找到")。

相关文章：