java在字符串中查找常见的序列

Question

如何在Java中找到字符串中常见的序列

字符串是一个很长的数字序列，我想找出最常见的数字序列

Answer 1

我想这取决于你要寻找的序列的长度

我要做的是使用Guava ^{}，迭代序列，将所有子序列写入Multiset，并按出现次数排序。下面是一个示例实现：

public static String getMostFrequentSequence(final String input, final int patternLength) {
    final Multiset<String> multiset = HashMultiset.create();
    final int length = patternLength < 0 ? input.length() : Math.min(patternLength, input.length());
    for (int l = 2; l < length; l++) {
        for (int o = 0; o < input.length() - l; o++) {
            multiset.add(input.substring(o, o + l));
        }
    }
    return Ordering.from(new Comparator<Entry<String>>() {
        public int compare(final Entry<String> o1, final Entry<String> o2) {
            return
            ComparisonChain.start()
            .compare(o1.getCount(), o2.getCount())
            .compare(o1.getElement(), o2.getElement())
            .result();
        }
    }).max(multiset.entrySet()).getElement();
}

关于性能：这种测试方法在我的机器上不受限制的长度大约需要一秒钟，当我将图案长度限制为12个字符时，大约需要25毫秒

public static void main(final String[] args) throws Exception {
    final StringBuilder sb = new StringBuilder();
    final Random random = new Random();
    for (int i = 0; i < 1000; i++) {
        sb.append(random.nextInt(10));
    }
    final long t1 = System.currentTimeMillis();
    final String input = sb.toString();
    System.out.println(input);
    System.out.println(getMostFrequentSequence(input, -1));
    System.out.println(System.currentTimeMillis() - t1);
    final long t2 = System.currentTimeMillis();
    System.out.println(getMostFrequentSequence(input, 12));
    System.out.println(System.currentTimeMillis() - t2);
}

Answer 2

对于给定长度的数字，您可以将它们全部放在ArrayList中，对它们进行排序，并计算重复的数量（它们将彼此相邻）。您将始终拥有少于1000个条目