Самая длинная общая подстрока из более чем двух строк

Если, как вы говорите, суффиксные деревья слишком тяжеловесны или неосуществимы,
достаточно простой подход грубой силы может быть адекватным для вашего приложения.

Я предполагаю, что различные подстроки не должны перекрываться и выбираются из
слева направо.

Даже с этими предположениями не должно быть уникального набора, который включает
« N отдельные самые длинные общие подстроки «из набора строк. N является,
там может быть больше, чем N отдельные общие подстроки все одинаковые максимальные
длина и любой выбор N из них было бы произвольно. Соответственно
решение находит самое большее N * наборы * самого длинного отчетливого общего
подстроки, в которых все те же длины имеют один набор.

Алгоритм выглядит следующим образом:

• Q целевая квота длин.

• Струны это проблемный набор строк.

• Результаты изначально пустая мультикарта, которая отображает длину на набор строк,
  Результаты [л] быть набором с длиной L

• N, изначально 0, это число различных длин, представленных в Результаты

• Если Q это 0 или Струны пустой возврат Результаты

• Найти любой самый короткий член Струны; сохранить копию этого S и удали это
  от Струны. Мы продолжаем сравнивать подстроки S с этими
  из Струны потому что все общие подстроки {Струны, S} должно быть
  подстроки S.

• Итеративно генерировать все подстроки S, самый длинный сначала, используя
  очевидный вложенный цикл, контролируемый смещением и длиной. Для каждой подстроки сс из
  S:

  • Если сс не является общей подстрокой Струны, следующий.

  • Перебрать Результаты [л] за L > = длина сс до конца
    Результаты или до сс оказывается подстрокой исследуемого
    результат. В последнем случае, сс уже не отличается от результата
    в руке, так что дальше.

  • сс является обычной подстрокой, отличной от любой уже имеющейся в наличии. Перебрать
    Результаты [л] за L < длина сс, удаляя каждый результат, который является
    подстрока из сс, потому что все они короче сс и не отличается
    от него. сс теперь общая подстрока, отличная от любой уже имеющейся
    все остальные, которые остаются в руках, отличаются от сс.

  • За L = длина сс, проверить, Результаты [л] существует, т.е. если
    есть какие-то результаты в руке той же длины, что и сс. Если нет, назовите это
    NewLength состояние.

  • Проверьте также, если N == Q, то есть мы уже достигли целевой квоты
    длины. Если NewLength получает, а также N == Q, называть это StickOrRaise состояние.

  • Если StickOrRaise получает затем сравнить длину сс с L =
    Длина кратчайших результатов в руке. Если сс короче чем L
    тогда это слишком мало для нашей квоты, так что дальше. Если сс длиннее чем L
    тогда все кратчайшие результаты должны быть вытеснены в пользу сс, так удали
    Результаты [л] и декремент N.

  • Вставить сс в Результаты под ключ его длиной.

  • Если NewLength получает, приращение N.

  • Отказаться от внутренней итерации по подстрокам S которые имеют
    такое же смещение сс но короче, потому что ни один из них не отличается
    от сс.

  • Переместить смещение в S для внешней итерации по длине сс,
    к началу следующей неперекрывающейся подстроки.

• Вернуть Результаты.

Вот программа, которая реализует решение и демонстрирует его с
список строк:

#include <list>
#include <map>
#include <string>
#include <iostream>
#include <algorithm>

using namespace std;

// Get a non-const iterator to the shortest string in a list
list<string>::iterator shortest_of(list<string> & strings)
{
auto where = strings.end();
size_t min_len = size_t(-1);
for (auto i = strings.begin(); i != strings.end(); ++i) {
if (i->size() < min_len) {
where = i;
min_len = i->size();
}
}
return where;
}

// Say whether a string is a common substring of a list of strings
bool
is_common_substring_of(
string const & candidate, list<string> const & strings)
{
for (string const & s : strings) {
if (s.find(candidate) == string::npos) {
return false;
}
}
return true;
}/* Get a multimap whose keys are the at-most `quota` greatest
lengths of common substrings of the list of strings `strings`, each key
multi-mapped to the set of common substrings of that length.
*/
multimap<size_t,string>
n_longest_common_substring_sets(list<string> & strings, unsigned quota)
{
size_t nlengths = 0;
multimap<size_t,string> results;
if (quota == 0) {
return results;
}
auto shortest_i = shortest_of(strings);
if (shortest_i == strings.end()) {
return results;
}
string shortest = *shortest_i;
strings.erase(shortest_i);
for ( size_t start = 0; start < shortest.size();) {
size_t skip = 1;
for (size_t len = shortest.size(); len > 0; --len) {
string subs = shortest.substr(start,len);
if (!is_common_substring_of(subs,strings)) {
continue;
}
auto i = results.lower_bound(subs.size());
for (   ;i != results.end() &&
i->second.find(subs) == string::npos; ++i) {}
if (i != results.end()) {
continue;
}
for (i = results.begin();
i != results.end() && i->first < subs.size(); ) {
if (subs.find(i->second) != string::npos) {
i = results.erase(i);
} else {
++i;
}
}
auto hint = results.lower_bound(subs.size());
bool new_len = hint == results.end() || hint->first != subs.size();
if (new_len && nlengths == quota) {
size_t min_len = results.begin()->first;
if (min_len > subs.size()) {
continue;
}
results.erase(min_len);
--nlengths;
}
nlengths += new_len;
results.emplace_hint(hint,subs.size(),subs);
len = 1;
skip = subs.size();
}
start += skip;
}
return results;
}

// Testing ...

int main()
{
list<string> strings{
"OfBitWordFirstFileWordZ.xls",
"SecondZWordBitWordOfFileBlue.xls",
"ThirdFileZBitWordWhiteOfWord.xls",
"WordFourthWordFileBitGreenZOf.xls"};

auto results = n_longest_common_substring_sets(strings,4);
for (auto const & val : results) {
cout << "length: " << val.first
<< ", substring: " << val.second << endl;
}
return 0;
}

Выход:

length: 1, substring: Z
length: 2, substring: Of
length: 3, substring: Bit
length: 4, substring: .xls
length: 4, substring: File
length: 4, substring: Word

(Построен с gcc 4.8.1)