Tarea

La tarea es desarrollar un algoritmo de coincidencia de cadena exacto en tiempo real de su elección.

Entrada

Se proporcionan dos líneas de texto en la entrada estándar, separadas por una nueva línea. La primera línea contiene el "patrón" y simplemente será una cadena ASCII extraída de las letras a-z.

La segunda línea contiene el "texto" más largo y también será simplemente una cadena ASCII extraída de las letras a-z.

Salida

Una lista de índices de dónde ocurren las coincidencias exactas. Debes mostrar la posición del inicio de cada partido que ocurra.

Especificación

Su algoritmo puede pasar tiempo lineal preprocesando el patrón. Luego debe leer el texto de izquierda a derecha y tomar un tiempo constante para cada carácter en el texto y generar cualquier nueva coincidencia tan pronto como ocurra. Los partidos pueden, por supuesto, superponerse entre sí.

Algoritmo

Hay muchos algoritmos de coincidencia exacta en tiempo real. Uno se menciona en la wiki para KMP, por ejemplo. Puede usar cualquiera que desee, pero siempre debe generar la respuesta correcta.

Mantendré una tabla de líderes por idioma para que aquellos que prefieren los idiomas populares también puedan ganar a su manera. Explica qué algoritmo has implementado.

Tiempo real

Parece que ha habido mucha confusión sobre lo que significa el tiempo real. No significa simplemente tiempo lineal. Entonces, el KMP estándar no es en tiempo real. El enlace en la pregunta apunta explícitamente a una parte de la página wiki de KMP sobre una variante en tiempo real de KMP. Tampoco lo es Boyer-Moore-Galil en tiempo real. Esta pregunta / respuesta histórica discute el problema o se puede buscar en Google "coincidencia exacta en tiempo real" o términos similares.

Python 2, 495 bytes

Este es un KMP en tiempo real, que es mucho más corto y solo un poco más lento que el algoritmo BMG (que generalmente es sublineal). Llamar con K(pattern, text); La salida es idéntica al 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

Python 2, 937 bytes

Esto no es corto, de ninguna manera, pero (a) funciona, (b) cumple con todos los requisitos, y (c) se juega al golf tanto como sea posible.

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 es una implementación del algoritmo Boyer-Moore-Galil. Bastante sencillo: llame con S(pattern,text); Las otras dos funciones se utilizan en el preprocesamiento. De hecho, todo menos las últimas 5 líneas es un preprocesamiento.

Un ejemplo de ejecución, que tomó alrededor de un 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

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]

Versión sin golf. El primer bucle es construir el autómata KMP. El segundo ciclo es caminar sobre los autómatas. Comparten casi el mismo patrón, pero abstraerlos costará más bytes, por lo que para un código de golf prefiero duplicar esta lógica. Una implementación similar se usa ampliamente en la programación de concursos.

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]

KMP en tiempo 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

En KMP normal, simulamos el comportamiento del autómata mediante el uso de una función de falla. En este KMP en tiempo real, el autómata completo se construye de modo que en la frase correspondiente pueda procesar cada carácter en tiempo real (tiempo constante).

El tiempo de preprocesamiento y la complejidad del espacio es O (nm), donde m es el tamaño del alfabeto yn es la longitud de la cadena del patrón. Sin embargo, en mis pruebas, el tamaño real de la tabla de transición siempre es inferior a 2n, por lo que tal vez podamos demostrar que la complejidad de tiempo y espacio es O (n).

Versión sin golf

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

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}

Prueba

F"
 ABCDABD
 ABCdABCDABgABCDABCDABDEABCDABzABCDABCDABDE "

genera 15 y 34

Notas

No se limita al alfabeto (admite cualquier carácter ascii y distingue entre mayúsculas y minúsculas).

No utiliza ninguna de las operaciones específicas definidas por Q sobre cadenas -> funciona en cadenas como secuencias (ops match, length, etc.)

Minimiza la tabla de transición uniendo todos los caracteres que no están en el patrón como una clase de caracteres única.

Puedo exprimir un poco el código. Es un primer intento de validar la estrategia de solución.

Visite cualquier carácter del texto exactamente una vez, y para cada carácter de entrada hay un salto único. Así que supongo que la búsqueda se ajusta como 'tiempo real'

La construcción de tablas al estado i y char c buscan la subcadena más larga que termina en i y después de agregar c es un prefijo de S. La construcción no está optimizada, por lo que no sé si es válida

El formato de entrada no encaja bien con el idioma. Pasar dos argumentos de cadena ahorrará 16 bytes

Explicación

W global representa un patrón y S corresponde al texto a buscar

x:1_"\n "\:x código extraño para hacer frente a los requisitos de entrada (Q requiere que las cadenas multilínea thtat tengan sangrías que no sean las primeras líneas, por lo que debe descartar el espacio adicional frente a cada línea que no sea la primera)

n::#W calcula la longitud W y guarda como n global

u::?W calcula caracteres únicos en W y los guarda como global u

u?S genera la clase characted para cada personaje de S

Construya una tabla de transición T con una fila por carácter único en W (más un extra) y una columna para cada índice en W (más un extra). La fila adicional corresponde al estado inicial, y la columna adicional recoge cualquier carácter en S pero no en W. Esta estrategia minimiza el tamaño de la tabla

p:{$[n<#x;0;x~(#x)#W;#x;0]} es la función que busca el prefijo más largo

f:{{|/p'x}'((1_)\x#W),\:/:u} es la función que calcula una fila x de T

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

Buscar texto usando la tabla de transición. T\[0;u?S]itera sobre 0 (estado inicial) y cada una de las clases de caracteres de S, utilizando como nuevo valor el valor en la tabla de transición T [estado] [charClass]. Los estados finales tienen el valor n, por lo que buscamos ese valor en la secuencia de estados y lo devuelve ajustado (para indicar la posición inicial en lugar de la posición final de cada coincidencia)

Boyer-Moore, Perl (50)

Perl intenta usar Boyer-Moore naturalmente:

$s=<>;$g=<>;chomp$g;print"$-[0] "while$s=~m/($g)/g