変換された文字列のJavaでの位置を追跡する

Question

私はソースコード盗用アルゴリズム（Winnowingアルゴリズム）の実装に取り​​組んでおり、何か助けが必要な問題があります。

例：例えば 私は、文字列

String test="blahello,,,,/blatestbla7234///§"§$%"%$\n\n23344)§()(§$blablayeahbla"; 

を持っており、

test="blahelloblatestblablablayeahbla" 

にこの文字列を変換し、この文字列から、私はkgramsを構築5グラム

blahe lahel ahell hello ellob llobl .... ahbla 

I文字列のリストにkgramsを保存しますが、開始位置と終了位置を保存することもできますfrすべてのkgramの原文を覚えておいてください。最後にkgramを元のテキスト位置に戻すことができます。

EDIT：

だから私の質問は、誰もが私を助けることができますどのように私はkgram の開始と終了位置を取得できるでしょうか？あなたは何か考えていますか？ ありがとうございます。

Answer 1

元の文字列の位置を使用する場合は、最初に非文字を削除することはできません。そうしないと情報が失われます。元の文字列のkgramを直接（より多くのCPU時間）見つけるか、各文字の元の位置を変更された文字列（より多くのメモリ空間）と共に保存する必要があります。ここで

は後者の実装です：

import java.util.ArrayList; 
import java.util.Arrays; 
import java.util.List; 

public class KGram { 

    public final String str; 
    public final int start; 
    public final int end; 

    public KGram(String str, int start, int end) { 
     this.str = str; 
     this.start = start; 
     this.end = end; 
    } 

    @Override 
    public String toString() { 
     return "KGram[\"" + str + "\":" + start + "," + end + "]"; 
    } 

    public static List<KGram> extractFrom(String input, int size) { 
     char[] chars = new char[input.length()]; 
     int[] indexes = new int[input.length()]; 
     int len = 0; 

     for (int i = 0; i < input.length(); i++) { 
      char c = input.charAt(i); 
      if (!Character.isLetter(c)) continue; 

      chars[len] = c; 
      indexes[len] = i; 
      len++; 
     } 

     List<KGram> kgrams = new ArrayList<>(); 
     for (int i = 0, j = size - 1; j < len; i++, j++) { 
      String str = new String(Arrays.copyOfRange(chars, i, j + 1)); 
      kgrams.add(new KGram(str, indexes[i], indexes[j])); 
     } 
     return kgrams; 
    } 
} 

例：

String test = "blahello,,,,/blatestbla7234///§\"§$%\"%$\n\n23344)§()(§$blablayeahbla"; 
List<KGram> kgrams = KGram.extractFrom(test, 5); 

System.out.println(kgrams.get(4)); // prints KGram["ellob":4,13] 
System.out.println(kgrams.get(26)); // prints KGram["ahbla":60,64]