Questions tagged «strings»

我正在研究OCR应用程序，需要根据用户文本输入选择一个选项。 Ex: Available Options: ["python", "ruby", "java", "clojure", "haskell"] Input: kava Output: java Input: ruby Output: ruby Input: clujuro Output: clojure etc.. 我的应用程序基于python，是否已经存在解决该问题的算法。

11 python  algorithms  strings 

我们已经在一些代码上运行了Pex，并且一直在显示一些好东西（好东西，但是要在生产之前显示它们！）。 但是，Pex的优点之一是它不一定会停止尝试查找问题。 我们发现的一个方面是，在传递字符串时，我们没有检查空字符串。 所以我们改变了： if (inputString == null) 至 if (string.IsNullOrEmpty(inputString)) // *** 这解决了最初的问题。但是，当我们再次运行Pex时，它决定： inputString = "\0"; 造成了问题。然后 inputString = "\u0001"; 我们已经决定，如果遇到默认情况，可以使用默认值// ***，并且很高兴看到由任何其他奇数输入引起的异常（并对其进行处理）。 够了吗？

11 validation  strings  defensive-programming 

在我的C程序中，我经常需要一种方法来对我的ADT进行字符串表示。即使我不需要以任何方式将字符串打印到屏幕上，使用这种调试方法也很简洁。因此，经常会出现这种功能。 char * mytype_to_string( const mytype_t *t ); 我实际上意识到我在这里有（至少）三个选项来处理返回字符串的内存。 备选方案1：将返回字符串存储在函数的静态char数组中。除了每次调用都会覆盖该字符串外，我不需要太多思考。在某些情况下这可能是个问题。 备选方案2：使用函数内部的malloc在堆上分配字符串。真的很整洁，因为我那时无需考虑缓冲区的大小或覆盖的问题。但是，我确实必须记得在完成操作后将字符串free（），然后还需要分配一个临时变量，以便可以释放。然后堆分配实际上比堆栈分配要慢得多，因此如果在循环中重复进行，则将成为瓶颈。 备选方案3：将指针传递到缓冲区，然后让调用方分配该缓冲区。喜欢： char * mytype_to_string( const mytype_t *mt, char *buf, size_t buflen ); 这给呼叫者带来了更多的努力。我还注意到，该替代方案在参数顺序方面为我提供了另一个选择。我应该首先讨论哪个论点？（实际上有六种可能性） 那么，我该选择哪个呢？为什么？C开发人员中是否存在某种不成文的标准？

11 c  coding-style  strings  malloc 

我有一个相当复杂的C ++组件，其性能已成为问题。分析表明，大多数执行时间只是花在为std::strings 分配内存上。 我知道这些字符串之间有很多冗余。少数值非常频繁地重复，但也有很多唯一值。字符串通常很短。 我现在只是在考虑以某种方式重用那些频繁的分配是否有意义。代替1000个指向1000个不同的“ foobar”值的指针，我可以有1000个指向一个“ foobar”值的指针。这样可以提高内存效率，这是一个不错的选择，但是我在这里最担心的是延迟。 我猜一个选择是维护某种已经分配了值的注册表，但是是否有可能使注册表查找比冗余内存分配更快？这是可行的方法吗？

10 c++  optimization  strings 

我使用大量字符串，需要大量操作。 例如，我可能会生成这样的字符串： 第1部分船 A节 编程 第2部分用于编程的分区船。 AA 节SQL条目。 该字符串太大，无法手动检查它的每个部分。现在，我需要split将此string分为stringlist几个部分。我可以想到两种选择： 正则表达式： QStringList sl = s.split(QRegularExpression("\n(?=Part [0-9]+|Section [A-Z]+)")); 看起来应该可以，但是有时会漏掉一些异常（即：Section SQL Entries错误地分裂） 否则，我可以做的就是在生成初始字符串时放置一个标记： 🚤💻Part1 船 AA节 编程 🚤💻第2部分用于编程的分区船。 A 第AA 节“ SQL条目”。 这意味着分割字符串将变得容易： QStringList sl = s.split("🚤💻")); 有人告诉我，这些都不是好的样式或编程实践，但是直到现在我还没有讨论它，也没有找到替代方法。 如果您是我的项目经理，您会接受这两种方法吗？ 如果没有，您会建议我做为最佳做法吗？

10 programming-practices  coding-style  coding-standards  strings  regular-expressions 

如何匹配两个字符串，但同时允许X个字符在匹配中不正确。错误数量应该是一个可控制的变量。 虽然字符串中X个字符的数量不匹配，但是应该限制序列中有多少个字符。给定两个字符串，我可能允许5个字符不同，但不能连续超过2个。 我正在寻找一种推荐的算法来比较这两个字符串，或者也许已经有一个已知的解决方案。

10 algorithms  strings 

我已经为此问题problem了一段时间，这真的开始让我感到沮丧。问题是： 我有一个字符集，A，B，C，和D。我必须说出从这些字符中构建字符串的方式，长度是多少n，每个字符必须出现偶数次。 例如，答案为n = 24： AA BB CC DD 答案n = 4是40。其中一些有效的字符串是： AAAA AABB CACA DAAD BCCB 我坚持提出一个逻辑。我觉得可能会有一个DP解决方案。解决这个问题的方法是蛮横的：解决方案的数量迅速增长到巨大数量。 我试图在纸上画出各种想法，但没有成功。我几乎不得不放弃所有这些想法，因为它们的复杂性太大。该解决方案应有效n = 10^4。 我的想法之一是永远不要跟踪实际的字符串，而只能跟踪每个字符出现的是偶数还是奇数次。我无法提出一种应用此逻辑的方法。 谁能帮我？

9 algorithms  strings  dynamic-programming 

我最近从Wikipedia上的伪代码实现了Damerau-Levenshtein距离算法。我找不到它是如何工作的任何解释和伪采用完全无信息变量的名称，如DA，DB，i1，和j1我留下抓我的头。 这是我在Python中的实现：https : //gist.github.com/badocelot/5327337 Python的实现帮助我遍历了程序并弄清了正在发生的事情，将变量重命名为更有用的名称。我很熟悉Wagner-Fischer的方法来计算Levenshtein距离，因此有了参考系。 冒着过长的风险，这就是我对Damerau-Levenshtein的理解： 神秘变量： DA（last_row在我的代码中）是一种地图，其中包含每个元素被查看到的最后一行；在我的代码中，这是一个实际的Python字典 DB（last_match_col）保留最后一列，其中输入的字母b与a当前行的输入字母匹配 i1（last_matching_row）是来自DA当前字母的行号b j1只是DB/ 值last_match_col可能被更新之前的副本；在我的代码中，我只是移动了last_match_col更新并消除了此变量的位置 换位成本： H[i1][j1] + (i-i1-1) + 1 + (j-j1-1) 正在计算将当前字符换成已知b的最后一个字符（最后一个匹配项）所花费的费用，将之间的所有字符都视为增加或删除。ba 成本要素： H[i1][j1] 将基本成本还原到转置之前的计算点，因为找到转置会使先前的工作无效 (i-i1-1) 是当前行与匹配当前字符的最后一行之间的距离，这是需要删除的数量 (j-j1-1) 是当前列与具有匹配项的最后一列之间的距离，即相加次数 多余+ 1的只是换位本身的成本 如果此分析不正确，我很想知道我哪里做错了。就像我说的那样，我找不到关于该算法如何在线工作的任何详细说明。 改进版？ 已经想通了这一点，虽然，它让我吃惊的是，通过计算成本都增加和调换字母之间的缺失似乎有缺陷的：一个加法和一个删除相当于替代，这，这是不检查。 如果一切正确，那么解决方案应该是微不足道的：转置字母之间的字母成本应为添加和删​​除中的较高者：将尽可能多的字母转换为替换，并添加所有剩余的添加或删除。 因此成本为： H[i1][j1] + max((i-i1-1), (j-j1-1)) + 1 这是该版本的代码：https : //gist.github.com/badocelot/5327427 从一些简单的测试来看，这似乎是正确的。例如，“ abcdef”->“ abcfad”的编辑距离为2（转置“ d”和“ f”，将“ e”更改为“ …

9 algorithms  strings  algorithm-analysis 

根据此Python代码可视化工具，Python字符串分配在堆栈上，而不分配在堆上。 为什么是这样？我以为它们类似于在堆上分配字符串的Java。

9 python  strings 

有什么优点/缺点（如果有） string output; int i = 10; output = string.Format("the int is {0}", i); 与 string output; int i = 10; output = "the int is " + i; 我一直使用后一个示例，但似乎大多数在线教程都使用string.format示例。我认为效率没有真正的区别，我最初的想法是使编码人员不必为了插入变量而不断破坏字符串。

9 c#  .net  vb.net  strings 

我想知道为什么我们没有一些代表Unicode字形簇的字符串而不是代码点或字符的字符串类。在我看来，在大多数应用程序中，程序员在需要时访问字形的组件比必须从代码点组织它们更容易，即使只是为了避免随意地破坏“中间字形”中的字符串，这似乎也是必要的（至少在理论上）。在内部，字符串类可能使用可变长度的编码，例如UTF-8，UTF-16，或者在这种情况下，甚至UTF-32都是可变长度的。或为所有这些子类实现子类（并可以选择在运行时配置选择，以便不同的语言可以使用它们的最佳编码）。但是，如果程序员在检查字符串时可以“看到”字素单元，就不会

9 programming-practices  design  strings