字母异位词分组算法与C++哈希表实现-代码聚汇网

字母异位词分组算法与C++哈希表实现

周君笔

1. 字母异位词分组问题解析

字母异位词（Anagram）是指由相同字母重新排列组合形成的不同单词。比如"eat"、"tea"、"ate"就是一组字母异位词。这个问题要求我们将给定字符串数组中的所有字母异位词分组归类。

1.1 问题核心难点

这个问题的关键在于如何高效判断两个字符串是否为字母异位词。最直观的方法是：

对每个字符串的字符进行排序，排序后相同的字符串即为字母异位词
但这种方法时间复杂度较高，对于n个字符串，每个字符串平均长度为k，时间复杂度为O(nklogk)

1.2 哈希表的优化思路

更高效的做法是使用哈希表：

设计一个合适的哈希函数，使得字母异位词具有相同的哈希值
可以用字符计数作为哈希键，例如"aab"可以表示为"a2b1"
这样时间复杂度可以降低到O(nk)，因为只需要遍历每个字符串一次统计字符出现次数

2. C++实现方案详解

2.1 基本数据结构选择

在C++中，我们可以使用unordered_map作为哈希表容器：

cpp复制#include <unordered_map>
#include <vector>
#include <string>
using namespace std;

vector<vector<string>> groupAnagrams(vector<string>& strs) {
    unordered_map<string, vector<string>> map;
    // 实现细节将在下面展开
}

2.2 哈希键的设计

关键是如何设计哈希键来表示字符计数：

cpp复制string getKey(const string& s) {
    int count[26] = {0};
    for(char c : s) {
        count[c - 'a']++;
    }
    
    string key;
    for(int i = 0; i < 26; i++) {
        if(count[i] > 0) {
            key += to_string('a' + i) + to_string(count[i]);
        }
    }
    return key;
}

2.3 完整实现代码

结合上述思路，完整解决方案如下：

cpp复制vector<vector<string>> groupAnagrams(vector<string>& strs) {
    unordered_map<string, vector<string>> map;
    
    for(const string& s : strs) {
        string key = getKey(s);
        map[key].push_back(s);
    }
    
    vector<vector<string>> result;
    for(auto& pair : map) {
        result.push_back(pair.second);
    }
    
    return result;
}

3. 性能优化与边界情况

3.1 时间复杂度分析

该算法的时间复杂度主要取决于：

遍历所有字符串：O(n)
对每个字符串计算key：O(k)，k为字符串平均长度
总时间复杂度：O(nk)

相比排序法的O(nklogk)有明显优势，特别是当k较大时。

3.2 空间复杂度考虑

空间复杂度主要来自：

哈希表存储所有字符串：O(nk)
结果存储：O(nk)
总空间复杂度：O(nk)

3.3 特殊输入处理

需要考虑的边界情况包括：

空输入：返回空vector
所有字符串都相同：应归为一组
所有字符串都不同：每个字符串自成一组
包含空字符串：""应单独分组

4. 实际编码中的技巧与陷阱

4.1 哈希键生成的优化

原始getKey实现可能产生较长的字符串，可以优化为固定长度表示：

cpp复制string getKey(const string& s) {
    int count[26] = {0};
    for(char c : s) {
        count[c - 'a']++;
    }
    
    string key;
    for(int i = 0; i < 26; i++) {
        key += "#" + to_string(count[i]);
    }
    return key;
}

4.2 避免不必要的拷贝

在C++中要注意字符串拷贝的开销：

使用const引用传递参数
使用emplace_back代替push_back
考虑使用string_view(C++17)减少拷贝

4.3 测试用例设计

完整的测试应包含：

cpp复制void test() {
    vector<string> t1 = {"eat","tea","tan","ate","nat","bat"};
    auto r1 = groupAnagrams(t1);
    // 预期输出: [["bat"],["nat","tan"],["ate","eat","tea"]]
    
    vector<string> t2 = {""};
    auto r2 = groupAnagrams(t2);
    // 预期输出: [[""]]
    
    vector<string> t3 = {"a"};
    auto r3 = groupAnagrams(t3);
    // 预期输出: [["a"]]
}

5. 扩展思考与其他解法

5.1 排序法的实现对比

虽然时间复杂度较高，但排序法代码更简洁：

cpp复制vector<vector<string>> groupAnagrams(vector<string>& strs) {
    unordered_map<string, vector<string>> map;
    for(string& s : strs) {
        string key = s;
        sort(key.begin(), key.end());
        map[key].push_back(s);
    }
    
    vector<vector<string>> result;
    for(auto& pair : map) {
        result.push_back(pair.second);
    }
    return result;
}

5.2 质数乘积法的思路

另一种巧妙解法是利用质数的唯一乘积性质：

为每个字母分配一个唯一的质数
计算字符串中所有字母对应质数的乘积
字母异位词的乘积结果相同
但需要注意大数溢出问题

5.3 多语言实现比较

同样的算法在其他语言中的实现差异：

Java使用HashMap和Arrays.toString(count)
Python可以使用tuple作为字典键
Go可以使用[rune]int数组作为map键

在实际工程中，选择哪种方法取决于具体语言特性和性能需求。对于C++而言，字符计数法在大多数情况下是最优选择，特别是在处理大规模数据时。