高级数据结构及应用 —— 使用 bitmap 进行字符串去重

bitmap 即为由单个元素为 boolean（0/1, 0 表示未出现，1 表示已经出现过）的数组。

如果C/C++ 没有原生的 boolean 类型，可以用 int 或 char 来作为 bitmap 使用，如果我们要判断某字符（char）是否出现过，

• 使用 int 作为 bitmap 的底层数据结构，bitmap 即为 int 数组，一个 int 长度为 32 个 bit 位，
  
  • c / 32 ⇒ bitmap 中的第几个 int
  • c % 32 ⇒ bitmap 中的某 int 中的第几个 bit 位；
• 使用 char 作为 bitmap 的底层数据结构，bitmap 即为 char 数组，一个 char 长度为 8 个 bit 位；
  
  • c / 8 ⇒ bitmap 中的第几个 char
  • c % 8 ⇒ bitmap 中某 char 中的第几个 bit 位；

ASCII

• A-Z：65-90
• a-z：97-122

如果使用 char 作为 bitmap 的替代底层数据结构，为了实现字符串的去重需要 char 的长度为多少呢？122/8+1 ⇒ 16。如果使用 int 作为 bitmap 的底层实现，则需要 int 数组的长度为 122/32 + 1 ⇒ 4

1. int 作为底层数据结构

void dedup(const char* src, char* dst)
{
    unsigned int exists[4] = { 0 };
    int i = 0, j = 0;
    unsigned int mask;
    char c;
    while (src[i])
    {
        c = src[i];
        mask = 1 << (c % 32);
        if ((exists[c / 32] & mask) == 0)
        {
            dst[j++] = c;
            exists[c / 32] |= mask;
        }
        i++;
    }
    dst[j] = '';
}

2. 使用 char 作为底层数据结构

void dedup(const char* src, char* dst)
{
    unsigned char exists[16] = { 0 };
    int i = 0, j = 0;
    unsigned int mask;
    char c;
    while (src[i])
    {
        c = src[i];
        mask = 1 << (c % 8);
        if ((exists[c / 8] & mask) == 0)
        {
            dst[j++] = c;
            exists[c / 8] |= mask;
        }
        i++;
    }
    dst[j] = '';
}