UVa 632 Compression (II)

题目描述

本题要求实现 $\text{Burrows–Wheeler}$ 变换（$\text{BWT}$）。给定一个长度为 $N$ 的字符串 $S$，首先生成它的 $N$ 个循环移位字符串 $S_0,S_1,\dots ,S_{N-1}$，其中 $S_0=S$，$S_k$ 由 $S_{k-1}$ 将第一个字符移动到末尾得到。然后将这 $N$ 个字符串按字典序排序，输出排序后矩阵的最后一列所组成的字符串，以及 $S_1$（即原串左移一位）在排序后的行号（从 $0$ 开始）。

输入中字符串可能跨多行，每行（除最后一行外）恰好 $50$ 个字符。输出时，最后一列字符串也按每行 $50$ 个字符（最后一行可少于 $50$）输出。

输入格式

第一行为一个整数 $M$，表示数据集的个数。随后可能有一个空行。每个数据集的第一行为整数 $N$（$N<1997$），表示字符串长度。接下来若干行包含该字符串，每行（除最后一行外）恰好 $50$ 个字符。数据集之间可能有一个空行。

输出格式

对于每个数据集，输出两行（或更多）：

• 第一行输出 $S_1$ 在排序后数组中的行号（从 $0$ 开始计数）。
• 随后若干行输出变换后的最后一列字符串，每行最多 $50$ 个字符。

每组输出之间用一个空行分隔。

样例

输入

1

6
pascal

输出

1
cpsala

题目分析

$\text{Burrows–Wheeler}$ 变换是数据压缩中的经典预处理步骤，它通过重排字符使得具有相同上下文的字符聚集，便于后续压缩。本题要求实现最基本的变换过程：

1. 构造所有循环移位（共 $N$ 个）。
2. 按字典序排序这些移位。
3. 提取排序后每个字符串的最后一个字符，拼接成新字符串。
4. 输出原串 $S_1$（即原串左移一位）所在的行号。

由于 $N$ 最大仅为 $1997$，直接生成所有移位并排序是完全可行的。字符串的存储和比较均为 $O(N)$，总复杂度约为 $O(N^2\log N)$，在给定数据范围内可以接受。

解题思路

读取字符串

由于输入中字符串可能被分割成多行，每行（除最后一行外）恰好 $50$ 个字符，我们需要连续读取行，直至累积长度达到 $N$，然后将多余字符丢弃（但题目保证不会多出）。

生成循环移位

设原串为 word，长度为 $N$。初始化一个向量 words，每个元素包含一个整数 label（表示该串是由原串循环左移 label 位得到）和一个字符串 s（当前的循环移位）。

• 第 $0$ 个循环移位即为 word。
• 对于 $i$ 从 $1$ 到 $N-1$，将当前串的第一个字符移到末尾，得到下一个移位，并存入向量。

排序

使用 $\text{stable\_sort}$ 按字符串字典序升序排序。由于 label 可以唯一标识原串的偏移，即使字符串相同（理论上可能重复）也不会影响排序稳定性，但这里使用稳定排序是为了保持原始顺序（实际上并不影响最终结果）。

提取最后一列和行号

遍历排序后的向量 words：

• 将每个字符串的最后一个字符（s.back()）拼接到结果字符串 created 中。
• 若当前 label == 1，则记录当前下标 indexer（即为 $S_1$ 所在行号）。

输出

先输出 indexer，然后按每行 $50$ 个字符输出 created。

复杂度分析

• 生成 $N$ 个循环移位，每个字符串长度为 $N$，总时间复杂度为 $O(N^2)$。
• 排序比较字符串 $O(N\log N)$ 次，每次比较最坏 $O(N)$，故排序部分 $O(N^2\log N)$。
• 总体时间复杂度为 $O(N^2\log N)$，当 $N=1997$ 时约为 $4\times 10^6\times 11\approx 4.4\times 10^7$ 次字符比较，在可接受范围内。
• 空间复杂度为 $O(N^2)$，用于存储所有循环移位字符串。

代码实现

// Compression (II)
// UVa ID: 632
// Verdict: Accepted
// Submission Date: 2016-08-16
// UVa Run Time: 0.000s
//
// 版权所有（C）2016，邱秋。metaphysis # yeah dot net

#include <bits/stdc++.h>
using namespace std;

struct cell {
    int label;
    string s;
    bool operator<(const cell& another) const {
        return s < another.s;
    }
};

int main() {
    cin.tie(0); cout.tie(0); ios::sync_with_stdio(false);
    int datasets;
    cin >> datasets;
    string line;
    for (int d = 1; d <= datasets; d++) {
        if (d > 1) cout << '\n';
        int length;
        cin >> length;
        cin.ignore(1024, '\n');
        string word;
        while (true) {
            getline(cin, line);
            word += line;
            if (word.length() >= length) break;
        }
        string s0 = word, s1 = word;
        s1.push_back(s1.front());
        s1.erase(s1.begin());
        vector<cell> words;
        for (int i = 0; i < length; i++) {
            words.push_back((cell){i, word});
            word.push_back(word.front());
            word.erase(word.begin());
        }
        stable_sort(words.begin(), words.end());
        string created;
        int indexer = -1;
        for (int i = 0; i < length; i++) {
            created += words[i].s.back();
            if (indexer == -1 && words[i].label == 1) indexer = i;
        }
        cout << indexer << '\n';
        while (created.length() > 50) {
            cout << created.substr(0, 50) << '\n';
            created = created.substr(50);
        }
        if (created.length() > 0) cout << created << '\n';
    }
    return 0;
}

总结

本题通过直接构造所有循环移位并排序，实现了 $\text{Burrows–Wheeler}$ 变换。核心步骤简洁明了，适用于 $N$ 较小的情况。实际应用中，$\text{BWT}$ 通常配合其他压缩算法（如游程编码、哈夫曼编码等）使用。本题作为算法实现练习，重点在于掌握循环移位的生成、字典序排序以及索引记录。注意输入跨行处理和输出格式控制。