字母排序列表中的字符串匹配(MATLAB方式)

Question

我有一个按字母顺序排列的大型字符串数组(~49​​5千),有很多重复项(彼此相邻,因为它是按字母顺序排列的).

对于给定的查找字符串,我需要找到列表中与我传入的字符串匹配的所有字符串.

我一直在使用strcmp(lookUpString,list)这个,但这非常慢 - 我认为它会通过列表中的每个值进行比较,因为它不知道它是按字母顺序排序的.

我可以写一个while循环遍历列表来比较每个字符串使用,strcmp直到我找到我想要的字符串块(然后停止),但我想知道是否有"matlab"方式这样做(即执行逻辑排序数组上的比较操作).

谢谢你的帮助!

Answer 1

更新：我对之前的“方法 3”并不满意，所以我只是对其进行了一些重新调整以获得更好的性能。现在它的运行速度几乎比 naive 快 10 倍strcmp。

strcmp在我的机器上获胜（Linux Mint 12 上的 2011b）。特别是，它的效果比ismember. 但是，如果您自己进行一些手动预排序，您可以获得一些额外的速度。考虑以下速度测试：

NumIter = 100;
N = 495000;
K = N / 20;
List = cell(N, 1);
for i = 1:20
    List(i*K - K + 1:i*K) = cellstr(char(i+96));
end

StrToFind = cell(NumIter, 1);
for j = 1:NumIter
    StrToFind{j} = char(round(rand * 20) + 96);
end

%# METHOD 1 (ismember)
tic
for j = 1:NumIter
    Index1 = ismember(List, StrToFind{j});
    Soln1 = List(Index1);
end
toc

%#METHOD 2 (strcmp)
tic
for j = 1:NumIter
    Index2 = strcmp(StrToFind{j}, List);
    Soln2 = List(Index2);
end
toc

%#METHOD 3 (strmp WITH MANUAL PRE-SORTING)    
tic
for j = 1:NumIter
    CurStrToFind = StrToFind{j};
    K = 100;
    I1 = zeros(K, 2); I1(1, :) = ones(1, 2);
    I2 = zeros(K, 2); I2(end, 1) = 1; I2(end, 2) = N;
    KDiv = floor(N/K);
    for k = 2:K-1
        CurSearchNum = k * KDiv;
        CurListItem = List{CurSearchNum};
        if CurListItem < CurStrToFind; I1(k, 1) = 1; end;
        if CurListItem > CurStrToFind; I2(k, 1) = 1; end;
        I1(k, 2) = CurSearchNum; I2(k, 2) = CurSearchNum;
    end
    a = find(I1(:, 1), 1, 'last');
    b = find(I2(:, 1), 1, 'first');
    ShortList = List(I1(a, 2):I2(b, 2));
    Index3 = strcmp(CurStrToFind, ShortList);
    Soln3 = ShortList(Index3);
end
toc

输出是：

Elapsed time is 6.411537 seconds.
Elapsed time is 1.396239 seconds.
Elapsed time is 0.150143 seconds.