根据字典和指定长度，按排列组合生成字符串（七个方案）
命题
根据指定的字符集合（字典），按排列组合的规则（允许重复），生成指定长度的所有字符串。如下代码：
class Program { static void Main(string[] args) { string dic = "abcdef"; int len = 3; int top_last_N = 5; IGenerator g = new Generator1(); var result = g.Generate(dic, len) ?? new List<string>(); Console.WriteLine("{0} strings generated:", result.Count); PrintTheResult(top_last_N, result); Console.ReadKey(); } private static void PrintTheResult(int top_last_N, List<string> result) { if (result.Count > top_last_N * 2) { for (int i = 0;i < top_last_N;i++) { Console.WriteLine(result[i]); } Console.WriteLine("......"); for (int i = result.Count - top_last_N;i < result.Count;i++) { Console.WriteLine(result[i]); } } else { foreach (var s in result) { Console.WriteLine(s); } } } } interface IGenerator { List<string> Generate(string dic, int length); } class Generator1 : IGenerator { public List<string> Generate(string dic, int length) { // we should implement this method throw new NotImplementedException(); } }
举个例子，比如：字典为[a,b,c]，指定长度为 2，则生成的所有字符串应当为：
"aa","ab","ac","ba",……,"ca","cb","cc"，总计9个字符串。
那么程序里我们应当怎么来生成这些字符串呢？如下循序渐进地列出解决方案。
- 投石问路：假设长度固定
- 方案一：我们来多循环几次（循环拼接字符串）
- 方案二：不用字符串，使用不安全代码（循环拼接字符串Unsafe版）
- 方案三：换个角度看问题（字符串模拟数字依次循环进行进制转换）
- 方案四：小学的加法运算正闪闪发光（字符串模拟数字依次自增+1）
- 方案五：再次改写，不用字符串，使用不安全代码（字符串模拟数字依次自增+1的Unsafe版）
- 方案六：闲来没事（1）：Fixed-point combinator
- 方案七：闲来没事（2）：Fixed-point combinator + Unsafe 双剑合璧
投石问路：假设长度固定
命题中有三个关键要素：字典、长度、排列组合（允许重复）。
首先我们假定长度固定，比如长度为“3”，直接使用给定的字典进行排列组合就行了。
既然是排列组合，我首先想到的是循环，于是有：
class Generator1 : IGenerator { public List<string> Generate(string dic, int length) { // since we deal with the "length" as a constant parameter, so we leave it alone. var result = new List<string>(); foreach (var x in dic) { foreach (var y in dic) { foreach (var z in dic) { result.Add(string.Format("{0}{1}{2}", x, y, z)); } } } return result; } }
长度为3，那么我们用3个循环生成每一位的字符，然后拼凑起来，这简直太简单了，运行效果如下：
OK，好了，如果考虑长度为呢？长度直接关系到需要循环的次数，完了，我们的循环都是写死在代码里的，我们怎么知道传进来的长度参数值是多少，需要循环多少次啊？
方案一：我们来多循环几次
说实在的，我觉得循环就是一个玩命却又任劳任怨的苦工。无论多么深、多么广、多么耗时的循环，他都能反反复复、机机械械地去执行，要么执行完成，要么累死——资源耗尽。
对于上文中的 Generate 方法，我们需要根据参数来确定循环的次数，那么我们定义一个方法专门来做循环，然后根据参数的值来运行若干次。
仔细观察我们的第一次实现，除第一次循环之外，每一次的循环都是在之前循环得到的字符串基础上，追加一个字符，从而实现“拼凑”到足够长度的目的。那么第一次呢？其实第一次的循环就只是从依次从字典里取出每一个字符，放到结果集里，作为后续“拼凑”动作的种子。因此，首先，我们需要一个种子，循环在这个基础上进行，有了种子之后，就从种子的每一个元素上，发芽（分化）出第二次的“拼凑”...直到N次——看起来，这已经是一个树的生成了，只不过这个树比较特殊，每一个节点的分支数都一样。
好了，见代码：
class Generator2LoopSegments : IGenerator { public List<string> Generate(string dic, int length) { List<string> result = null; for (int i = 0;i <= length;i++) { result = Loop(dic, result); } return result; } private List<string> Loop(string dic, List<string> seed) { var result = new List<string>(); if (seed == null || seed.Count == 0) { // for the first time, we just choose one char only to fill full into the List. // result.AddRange(from c in dic select c.ToString()); result.Add(string.Empty); } else { for (int i = 0;i < seed.Count;i++) { foreach (var c in dic) { result.Add(string.Format("{0}{1}", seed[i], c)); } } } return result; } public override string ToString() { return "Loop segments"; } }
好了，完美无瑕，实现了命题中要求的排列组合！不过，等等，咦，怎么当我 length 设为 5 的时候，竟然抛出 OutOfMemoryException 的异常了？内存占用很高啊！嗯，是不是因为编译成了 32 位程序的原因？改成 64 位试试？哈，行了，不过内存竟然占用了 3G！
Tips:
编译为32位程序，在64位Win7系统中运行，当内存占用接近2G时，程序即抛出 OutOfMemoryException 的异常，直接表现为无法创建字符串或无法向集合添加新项。
运行是能运行了，不过时间上貌似不尽人意，运行太久了，是不是还能有提高呢？怎么办呢？这里使用了大量字符串，对字符串的操作也非常多，要不咱不使用字符串，直接使用 char* 试试？
方案二：不用字符串，使用不安全代码
思路和上面的解决方案一致，只是对上面字符串相关的操作进行了修改，使用不安全代码 unsafe 。
class Generator2LoopSegmentsUnsafe : IGenerator { public unsafe List<string> Generate(string dic, int length) { char*[] result = null; for (int i = 0;i < length;i++) { result = Loop(dic, result); } var list = new List<string>(); if (result != null) { foreach (var p in result) { var aa = new String(p); list.Add(aa); } } return list; } private unsafe char*[] Loop(string dic, char*[] seed) { char*[] result = null; if (seed == null || seed.Length == 0) { result = new char*[dic.Length]; // for the first time, we just choose one char only to fill full into the List. for (int i = 0;i < dic.Length;i++) { IntPtr p = Marshal.AllocHGlobal(sizeof(char)); result[i] = (char*)p.ToPointer(); *result[i] = dic[i]; // string will/should be end with the char ' '. *(result[i] + 1) = ' '; } } else { result = new char*[seed.Length * dic.Length]; int n = 0; for (int i = 0;i < seed.Length;i++) { foreach (var c in dic) { IntPtr p = Marshal.AllocHGlobal(sizeof(char)); result[n] = (char*)p.ToPointer(); *(result[n]) = *seed[i]; int j = 0; // string will/should be end with the char ' '. while (*(seed[i] + ++j) != ' ') { *(result[n] + j) = *(seed[i] + j); } *(result[n] + j) = c; // string will/should be end with the char ' '. *(result[n] + j + 1) = ' '; n++; } } } return result; } public override string ToString() { return "Loop segments(unsafe)"; } }
运行结果如下：
OK，从结果来看和上一个版本一致，不过时间和内存占用都不一样了！时间上少了很多，内存占用貌似不减反增，我猜想应当是因为 framework 中对字符串的处理比我手写得高端大气上档次一些吧……
到这里，看起来已经没太多的提升空间了，毕竟我们连这么高端的不安全代码都用了。
果然是这样吗？唉，别忘记了基础的东西，这玩意的时间复杂度有点高啊？（O(N^3)？猜的。时间复杂度这玩意，我一直没怎么看过...如果不对，请不吝赐教....）
嗯，能不能有个更简单的算法，让它的时间复杂度更低呢？
方案三：换个角度看问题（字符串模拟数字依次循环进行进制转换）
其实，如果细心你可能发现，这个排列组合，如果我们把字典换一下……
比如 [0,1]，长度 3，这将得到：000，001，010，011，100，101，110，111
比如 [0-9]，长度 2，这将得到：00,01,02,03,04,…,97,98,99
我去~这是啥？这不就是连续的整数么？
嗯，我们再看看，比如字典为 [0-9A-F]，长度 2，这将得到：00,01,02,...,09,0A,0B,...,0F,10,11,...,1A,1B,...,1F,20,21,...,FD,FE,FF
这，依然是连续整数，只不过是十六进制而已！
说到这里，其实你已经看出来了，上面依次就是二进制，十进制和十六进制。当他们是这些情况时，我们想排列组合，那岂不是易如反掌？让数字递增加一，直接一个循环就输出搞定了！
嗯，好办法，继续看，当字典为任意字符集的时候，可以吗？答案当然是可以的。[0-9A-F] 是十六进制，那 [0-9A-Z] 则自然是36进制！
既然如此，那我们的“排列组合”算法，就成了进制转换的算法了，囧。
参考：http://baike.baidu.com/link?url=q_M-tOHBN0XtyvdHBv-sk8vuV8dJf-Yna-7nRp1xwYQP-m2pj9CHV0x-u0nbChAN
好吧，代码来了：
class Generator3LoopAsNumbers : IGenerator { public List<string> Generate(string dic, int length) { var fromBase = dic.Length; int min = 0, max = 0; if (fromBase > 1) { max = (int)Math.Pow(fromBase, length) - 1; } else { max = min; } //Console.WriteLine("min = {0}, max = {1}", min, max); var result = new List<string>(); for (var current = min;current <= max;current++) { var tmp = ""; for (var j = length - 1;j >= 0;j--) { var last = (int)(current % Math.Pow(fromBase, j + 1) / Math.Pow(fromBase, j)); tmp += dic[last]; } result.Add(tmp); } return result; } public override string ToString() { return "Loop as numbers"; } }
运行如图：
不过，好的想法不一定能运行出好的结果。按照这个解决方案，内存占用降了下来，但耗时却高了不少，将近第一个方案的两倍了，简直惨不忍睹！
正当我为之沮丧时，却突然又发现一丝曙光：既然我已经将这个排列组合看成是数字递增了，而且递增多少我也很清楚地知道，那为何我还要“劳心劳力”地去做进制转换呢？何不直接根据进制的规则，+1，+1，升位+1去做呢？小学加法啊！
说改就改！
方案四：小学的加法运算正闪闪发光（字符串模拟数字依次自增+1）
还记得小学时学的加法运算怎么算么？按小数点对齐，个位加个位，十位加十位，满10进一位。OK，按照这个思路再试一次看看，代码来了：
class Generator4GenerateNumbers : IGenerator { public List<string> Generate(string dic, int length) { var result = new List<string>(); string seed = new string(dic[0], length); result.Add(seed); while (GetNext(ref seed, seed.Length - 1, dic)) { result.Add(seed); } return result; } private bool GetNext(ref string seed, int idx, string dic) { if (idx < 0 || idx >= seed.Length) return false; char c = seed[idx]; if (dic.IndexOf(c) < dic.Length - 1) { c = dic[dic.IndexOf(c) + 1]; seed = seed.Substring(0, idx) + c + seed.Substring(idx + 1, seed.Length - 1 - idx); return true; } else { c = dic[0]; seed = seed.Substring(0, idx) + c + seed.Substring(idx + 1, seed.Length - 1 - idx); return GetNext(ref seed, idx - 1, dic); } } public override string ToString() { return "Generate numbers"; } }
当然，可以从代码中看出来，我们这里的加法运算太简单了，简单到第二个因子是 1，也就是每次运算加法只是数字递增1而已。其中dic[0]表示了每位可能的最小的数，相应地，dic[dic.Length-1]表示了没位可能的最大的数。
我们来运行试试：
成是成了，不过……这个结果依然有点惨！效率不高，内存占用仍然居高不下，看来这闪闪的光——要不是我还没发掘出来，那就是我眼花了？嗯……要不再改写成非安全代码试试？
方案五：再次改写，不用字符串，使用不安全代码
照例，算法思路和上面一样，只是改写成非安全代码：
class Generator4GenerateNumbersUnsafe : IGenerator { public List<string> Generate(string dic, int length) { var result = new List<string>(); unsafe { IntPtr p = Marshal.AllocHGlobal(sizeof(char)); var seed = (char*)p.ToPointer(); int i = 0; for (;i < length;i++) { *(seed + i) = dic[0]; } *(seed + i) = ' '; do { result.Add(new string(seed)); } while (GetNext(ref seed, length - 1, dic)); } return result; } private unsafe bool GetNext(ref char* seed, int idx, string dic) { int len = 0; for (;*(seed + len) != ' ';len++) { } if (idx < 0 || idx >= len) return false; char c = seed[idx]; if (dic.IndexOf(c) < dic.Length - 1) { c = dic[dic.IndexOf(c) + 1]; *(seed + idx) = c; return true; } else { c = dic[0]; *(seed + idx) = c; return GetNext(ref seed, idx - 1, dic); } } public override string ToString() { return "Generate numbers(unsafe)"; } }
哈，看起来效果不错哦，时间和空间的占用都有提升，并且效果比第二个方案还好！
好了，算法的尝试到此为止。
下面来点无聊的东西：不动点组合子。
方案六：闲来没事（1）：Fixed-point combinator
关于 Fixed-point combinator 可以参考：
http://en.wikipedia.org/wiki/Fixed-point_combinator
http://zh.wikipedia.org/wiki/%E4%B8%8D%E5%8A%A8%E7%82%B9%E7%BB%84%E5%90%88%E5%AD%90
如下只是使用 Fixed-point combinator 对上一个解决方案的改写，效率更加底下，或许有提升空间……或许……
class Generator4GenerateNumbersFixedPoint : IGenerator { public List<string> Generate(string dic, int length) { var result = new List<string>(); var seed = new string(dic[0], length); while (!string.IsNullOrEmpty(seed)) { result.Add(seed); seed = FixedPointCombinator( x => { if (x != null) { return (s, idx, idc) => { if (idx < 0 || idx >= s.Length) return null; char c = s[idx]; if (dic.IndexOf(c) < dic.Length - 1) { c = dic[dic.IndexOf(c) + 1]; s = s.Substring(0, idx) + c + s.Substring(idx + 1, s.Length - 1 - idx); } else { c = dic[0]; s = s.Substring(0, idx) + c + s.Substring(idx + 1, s.Length - 1 - idx); s = x(s, idx - 1, dic); } return s; }; } return null; })(seed, seed.Length - 1, dic); } return result; } private Func<string, int, string, string> FixedPointCombinator( Func<Func<string, int, string, string>, Func<string, int, string, string>> f1) { return (x, y, z) => f1(FixedPointCombinator(f1))(x, y, z); } public override string ToString() { return "Generate numbers(Fixed-Point Y)"; } }
注意，下面的代码可以编译通过，不过这……是个死循环，在构造 Fixed-Point Y 时，尤其需要注意：
private Func<string, int, string, string> Combinator_Recursive( Func<Func<string, int, string, string>, Func<string, int, string, string>> f1) { return f1(Combinator_Recursive(f1)); }
惯例，贴出运行结果：
看样子，运行效果不尽人意。
方案七：闲来没事（2）：Fixed-point combinator + Unsafe 双剑合璧
当然，Fixed-point combinator 也有 Unsafe 版本：
class Generator4GenerateNumbersFixedPointUnsafe : IGenerator { public List<string> Generate(string dic, int length) { var result = new List<string>(); unsafe { IntPtr p = Marshal.AllocHGlobal(sizeof(char)); var seed = (char*)p.ToPointer(); int i = 0; for (;i < length;i++) { *(seed + i) = dic[0]; } *(seed + i) = ' '; bool tmp = true; while (tmp) { result.Add(new string(seed)); tmp = FixedPointCombinator( x => { if (x != null) { return (s) => { int len = 0; for (;*(s.Seed + len) != ' ';len++) { } if (s.Idx < 0 || s.Idx >= len) return false; char c = s.Seed[s.Idx]; if (s.Dic.IndexOf(c) < s.Dic.Length - 1) { c = s.Dic[s.Dic.IndexOf(c) + 1]; *(s.Seed + s.Idx) = c; return true; } else { c = s.Dic[0]; *(s.Seed + s.Idx) = c; s.Idx--; return x(s); } }; } return null; })(new Args() { Seed = seed, Idx = length - 1, Dic = dic }); } } return result; } private Func<Args, bool> FixedPointCombinator( Func<Func<Args, bool>, Func<Args, bool>> f1) { return (x) => f1(FixedPointCombinator(f1))(x); } public override string ToString() { return "Generate numbers(Fixed-Point Y, unsafe)"; } private unsafe struct Args { public char* Seed; public int Idx; public string Dic; } }
下面是运行结果：
结语
OK，我们来系统地比较一下这些方案吧，由于时间关系，我测试了生成字符串长度为4，并且每个方案在Release下运行50次取平均的结果：
值得注意的是，方案二的内存占用却异常的高，难道是因为Demo代码统计的问题？针对这个，我又重新运行了方案二和方案五，并且对调了他们的执行先后顺序。如下图：
| 方案 | 平均耗时（ms） | 连续运行50次后的内存占用（M） |
| 方案一：循环拼接字符串 | 1930 | 241.852 |
| 方案二：循环拼接字符串Unsafe版 | 813 | 1546.480 |
| 方案三：字符串模拟数字依次循环进行进制转换 | 2738 | 167.105 |
| 方案四：字符串模拟数字依次自增+1 | 1550 | 93.297 |
| 方案五：字符串模拟数字依次自增+1的Unsafe版 | 853 | 74.844 |
| 方案六：不动点组合子 | 2152 | 111.406 |
| 方案七：不动点组合子Unsafe版 | 1907 | 94.691 |
从上表中可以看出：
- 非字符串方案（四、五）比字符串方案（一、二）更优；
- Unsafe版本比对应的原始版本更优，想必是Unsafe版本只处理上下文必要的相关逻辑，不用像Framework里那样考虑得面面俱到。
具体地：
- 时间消耗上，方案二和方案五不相上下，并且远低于其他方案，作为Unsafe升级版，也都差不多是原始版本的1/2；
- 内存消耗上，方案二的内存占用异常高，而同为Unsafe版本的方案五内存占用最低。
详细分析代码可以看出，方案二为了保证生成的字符串集合的顺序，因此在每一次递归时都构造了一个新的数组，并保留了原来数组（seed），而不像方案五那样，直接在每一次循环时修改指针所指变量的值。我猜想，如果将方案二中对数组的相关操作再次进行Unsafe化，比如不为扩容而另外构造新数组，而是直接将seed扩容，那内存的占用应当会降低很多。只是Array.Resize<T>并不支持 char*，得自己写一个了~
最后来看，整个七个方案中，莫过于方案五最优了：
- 它以数字自增的逻辑思路来执行，从而达到了O(1)的时间复杂度（虽然仍然用到了递归）；
- 没有使用 framework 中的 string，而是直接有针对性地使用 char*，从而有效避免了不必要的字符串级别操作。
- 没有使用像方案二中的数组，而是直接改写指针所指变量的值，从而有效避免了大量的内存分配，降低了内存的占用。
综上，以下为一些心得小记：
- 对字符串的操作比想象中降性能、耗内存资源。
- 要提高执行效率，使用非安全代码改写针对字符串的算法可以以空间换时间，有效地提供执行效率。（既然是非安全代码，还需全方位测试。不过请放心，它将不会导致引用该程序集的其他程序集启用非安全代码）
- 从递归改到Fixed-Point Y的过程是个很绕脑袋的过程，我确信这是一种很重要的思想（函数式、自生成），但仍然没能明确其更具体的应用场景，何时何地它是最优的解决方案？