1. 问题背景与核心思路
字母异位词分组是LeetCode上经典的字符串处理问题，编号49。题目要求给定一个字符串数组，将字母异位词组合在一起。字母异位词指的是字母相同但排列不同的字符串，比如"eat"、"tea"、"ate"就是一组字母异位词。
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。常见思路有三种：
-
排序法：将每个字符串排序后作为key，相同key的字符串即为字母异位词。时间复杂度O(NKlogK)，其中N是字符串数量，K是字符串最大长度。
-
计数法：统计每个字符串中各个字母的出现次数，将计数结果作为key。时间复杂度O(NK)，空间复杂度略高。
-
质数乘积法：给每个字母分配一个质数，计算字符串的质数乘积作为key。这种方法理论上最快但可能溢出。
在C++实现中，排序法代码最简洁且实际运行效率不错，适合面试和日常刷题使用。下面我们重点讲解这种实现方式。
2. C++实现详解
2.1 基础版本实现
我们先看最直接的实现方式：
cpp复制#include <vector>
#include <string>
#include <unordered_map>
#include <algorithm>
using namespace std;
vector<vector<string>> groupAnagrams(vector<string>& strs) {
unordered_map<string, vector<string>> mp;
for (string& s : strs) {
string key = s;
sort(key.begin(), key.end());
mp[key].push_back(s);
}
vector<vector<string>> result;
for (auto& p : mp) {
result.push_back(p.second);
}
return result;
}
这个版本的核心逻辑：
- 使用unordered_map存储分组，key是排序后的字符串
- 遍历每个字符串，先排序得到key，然后将原字符串存入对应分组
- 最后将map中的value转换为vector返回
2.2 性能优化版本
基础版本有些可以优化的地方：
- 避免在循环内创建临时string
- 预分配结果vector空间
- 使用移动语义减少拷贝
优化后的代码：
cpp复制vector<vector<string>> groupAnagrams(vector<string>& strs) {
unordered_map<string, vector<string>> mp;
mp.reserve(strs.size()); // 预分配空间
for (const string& s : strs) {
string key = s;
sort(key.begin(), key.end());
mp[move(key)].emplace_back(s); // 使用移动语义
}
vector<vector<string>> result;
result.reserve(mp.size()); // 预分配空间
for (auto& p : mp) {
result.emplace_back(move(p.second)); // 使用移动语义
}
return result;
}
这些优化在小数据量时差异不大，但当输入规模较大时（如10^4量级），性能提升明显。
3. 关键知识点解析
3.1 unordered_map的使用技巧
在这个问题中，unordered_map比map更合适，因为：
- 不需要key有序
- 平均情况下unordered_map的插入和查询都是O(1)复杂度
使用时的注意事项：
- 对于自定义类型作为key，需要提供hash函数和相等比较
- reserve()可以预先分配空间，避免rehash带来的性能损耗
- 查找元素时最好用find()而不是直接访问，避免意外插入
3.2 排序算法的选择
标准库的sort()对于字符串排序已经足够高效，但了解其原理有助于面试：
- 对于短字符串（长度≤32），sort()使用插入排序
- 对于长字符串，使用快速排序+堆排序的混合算法（introsort）
- 平均时间复杂度O(NlogN)
如果字符串长度差异很大，可以考虑先按长度分组再处理，但会增加代码复杂度。
3.3 移动语义的应用
现代C++中，移动语义可以显著提升性能：
- move()将左值转为右值引用，避免不必要的拷贝
- emplace_back()直接在容器内构造对象，比push_back()更高效
- 对于像vector这样的容器，移动操作只需复制三个指针（begin,end,capacity）
4. 边界条件与测试用例
完整的解决方案需要考虑各种边界情况：
- 空输入：
[]→ 返回[] - 单个字符串：
["a"]→ 返回[["a"]] - 所有字符串相同：
["a","a","a"]→ 返回[["a","a","a"]] - 无字母异位词：
["abc","def","ghi"]→ 返回[["abc"],["def"],["ghi"]] - 大小写敏感：题目通常说明只考虑小写字母
- 包含空字符串：
["",""]→ 返回[["",""]]
测试时可以这样验证：
cpp复制void test() {
vector<string> input = {"eat","tea","tan","ate","nat","bat"};
auto result = groupAnagrams(input);
for (auto& group : result) {
for (string& s : group) {
cout << s << " ";
}
cout << endl;
}
// 预期输出三组：
// eat tea ate
// tan nat
// bat
}
5. 其他语言实现对比
虽然题目要求C++实现，但了解其他语言的写法有助于拓宽思路：
5.1 Python实现
python复制def groupAnagrams(strs):
d = {}
for s in strs:
key = tuple(sorted(s))
d[key] = d.get(key, []) + [s]
return list(d.values())
Python版本更简洁，利用了tuple的可哈希特性。
5.2 Java实现
java复制public List<List<String>> groupAnagrams(String[] strs) {
Map<String, List<String>> map = new HashMap<>();
for (String s : strs) {
char[] ca = s.toCharArray();
Arrays.sort(ca);
String key = String.valueOf(ca);
map.computeIfAbsent(key, k -> new ArrayList<>()).add(s);
}
return new ArrayList<>(map.values());
}
Java 8的computeIfAbsent方法让代码更简洁。
6. 复杂度分析与优化空间
6.1 时间复杂度
设N是字符串数量，K是字符串最大长度：
- 排序每个字符串：O(KlogK)
- N个字符串：O(NKlogK)
- 哈希表操作：O(1)平均情况下
- 总体：O(NKlogK)
6.2 空间复杂度
- 哈希表存储所有字符串：O(NK)
- 排序时的临时空间：O(K)（原地排序）
- 总体：O(NK)
6.3 可能的优化方向
- 如果字符串长度差异大，可以先按长度分组再处理
- 对于ASCII字符串，计数法可以用固定大小的数组代替排序
- 并行处理：多线程分别处理不同字符串（但要注意哈希表的线程安全）
7. 实际工程中的应用
这类字符串分组问题在实际工程中很常见：
- 日志分析：将相似错误信息的日志分组
- 数据清洗：识别并合并相似但不完全相同的记录
- 生物信息学：DNA序列的相似性分析
- 拼写检查：找出可能的拼写错误变体
理解这个算法有助于解决更复杂的实际问题。例如，可以扩展为支持：
- 模糊匹配（允许少量字符不同）
- 加权比较（某些字符更重要）
- 大规模分布式处理
8. 常见错误与调试技巧
新手实现时容易犯的错误：
- 忘记排序直接比较字符串
- 使用map而非unordered_map导致性能下降
- 没有处理空输入的情况
- 错误地使用了移动语义导致后续访问出错
调试时可以：
- 打印中间key的值
- 检查哈希表的大小是否符合预期
- 对每个分组单独验证是否为字母异位词
- 使用valgrind等工具检查内存问题
9. 扩展思考
这个问题可以有多种变体：
- 分组大小超过一定阈值才输出
- 找出最大的字母异位词组
- 允许最多一个字符不同的"近似"字母异位词
- 多语言支持（如处理Unicode字符）
每种变体都需要调整核心算法，但基本思路仍然适用。理解基础问题的解法是解决变体的关键。