郑海波 2013-07-08
问题：
有List<String> list1和List<String> list2,两个集合各有上万个元素，怎样查找两个集合中不同的元素呢?
问题分析：
由于每个list中都有上万个元素，如果用简单的遍历查找算法，那么至少需要10000*10000次判断比较。显然，这样做的效率极低。那么有没有比较好的方案呢？经过我的思考，想出了2个办法。请大家评判。
方法一：遍历算法的改进算法
思路：对每一个list1中的元素，都在list2中查找一下，是否重复，如果不重复，则将该元素放到listDiff中。如果重复，则将该元素从list2中剔除。这样，能够减少遍历算法的时间复杂度，而且重复元素越多，该改进算法的运行时间就越短。当然，如果两个list的重复元素个数远远小于list的长度，则该算法的时间复杂度和遍历算法近似相同，会变的很慢而不切实际。
方法二：利用Map中无重复元素的特性
思路：将list1中元素首先复制到map<String,Integer>中,并将其Integer的值设置为1.然后再对list2中的元素，与map中元素比较。如果map中已经存在该String，那么map中对应String的Integer加1（表示字符串出现的次数），如果map中不存在，那么就将其复制到map中，并设置其Integer为1.那么，map中Integer值为1的元素所对应的String，就是两个list中不同的元素。
以下代码是在Java中实现，也可以用C++ STL进行测试。
- import java.util.ArrayList;
- import java.util.HashMap;
- import java.util.List;
- import java.util.Map;
- /*
- *@author: ZhengHaibo
- *2013-07-08 Nanjing,Conris,China
- */
- public class TestMian {
- private static final int ListLen = 10000;// 设置list的长度
- private static final Integer flagUnique = 1;//无重复字符串的键值
- public List<String> list1 = new ArrayList<String>();
- public List<String> list2 = new ArrayList<String>();
- public static void main(String[] args) {
- // TODO Auto-generated method stub
- TestMian mTest=new TestMian();
- mTest.initList();
- List<String> listDiff1=mTest.getDiffElementUseEach(mTest.list1,mTest.list2);//获得不同元素
- mTest.initList();
- List<String> listDiff2=mTest.getDiffElementUseMap(mTest.list1,mTest.list2);//获得不同元素
- System.out.println("The number of diff element is: "+listDiff1.size());
- System.out.println("The number of diff element is: "+listDiff2.size());
- //mTest.printList(listDiff1);
- //mTest.printList(listDiff2);
- }
- // 初始化list中的元素，并保证有相同的元素
- public void initList() {
- list1.clear();
- list2.clear();
- for (int i = 0; i < ListLen; i++) {
- list1.add("conris_list_of" + i + "test");
- list2.add("conris_list_of" + 3 * i + "test");
- }
- }
- //获得连个list中的不同元素，查找删除法
- public List<String> getDiffElementUseEach(List<String> list1,List<String> list2) {
- System.out.println("-----------------------方法1----------------------");
- long runtime = System.nanoTime();// 开始计时
- List<String> diffList = new ArrayList<String>();// 用于保存两个list中不同的元素
- for (String string:list1) {//消除list1本身的重复元素
- int index=list2.indexOf(string);
- if (index==-1) {//说明list2中不存在此元素
- diffList.add(string);
- }else{//list2存在此元素，那么删除此元素
- list2.remove(index);
- }
- }
- for(String string:list2){//此时，liat2中的重复元素已经删除了，只需要复制到diffList中即可
- diffList.add(string);
- }
- System.out.println("getDiffElementUseRemove run time:"
- + (System.nanoTime() - runtime));
- return diffList;
- }
- //获得两个list中的不同元素，map方法
- public List<String> getDiffElementUseMap(List<String> list1,List<String> list2){
- System.out.println("-----------------------方法2----------------------");
- long runtime = System.nanoTime();//开始计时
- //利用map中不能有重复元素的特点
- Map<String, Integer> map = new HashMap<String,Integer>(list1.size()+ list2.size());
- List<String> diffList = new ArrayList<String>();//用于保存两个list中不同的元素
- for (String string : list1) {
- map.put(string,flagUnique);//先将list1中元素复制到map中保存
- }
- for (String string : list2) {
- Integer key = map.get(string);// 获得键值
- if (key != null) {//如果map中已经存在该元素，说明list1中存在该元素，那么将其key加1
- map.put(string, ++key);
- continue;
- }else{//如果不存在，则放入map中
- map.put(string,flagUnique);
- }
- }
- for (Map.Entry<String, Integer> entry : map.entrySet()){
- if (entry.getValue() == flagUnique)//在map中，键值为flagUnique的元素即为无重复的元素
- {
- diffList.add(entry.getKey());
- }
- }
- System.out.println("getDiffElementUseMap run time:"
- + (System.nanoTime() - runtime));
- return diffList;
- }
- public void printList(List<String> list){
- for(int i=0;i<list.size();i++){
- System.out.println(list.get(i));
- }
- }
- }
实验结果：
当ListLen设置为10000时：
结果1：
- -----------------------方法1----------------------
- getDiffElementUseRemove run time:2015792051
- -----------------------方法2----------------------
- getDiffElementUseMap run time:37966034
- The number of diff element is: 13332
- The number of diff element is: 13332
当ListLen设置为100000时：等了半天方法1没有运行出来结果，方法2的运行结果如下：
- -----------------------方法2----------------------
- getDiffElementUseMap run time:471017640
- The number of diff element is: 133332
可见当数据量达到100000时（增大10倍），方法二仍然可以工作，而且时间也随着数据量增大线性增加。
而方法1很久也没有运行出来结果…
由此可见，利用HashMap的方法速度更快，能够满足基本要求。不知道大家还有哪些想法可以交流交流。希望对大家有帮助。
PS：如果用C++ STL实现的话，运行速度将更快！没事的时候再试试~~
