13.字符串-模式匹配

标签：算法   模式匹配   kmp   字符串   数据结构   

一般提起字符串的相关算法，就是几个基本的算法：赋值strcpy、求长strlen、联接strcat、比较strcmp和求子串substr。这5个操作相对来说都比较简单，构成了字符串的最小操作集，其他的算法都可以由这几个算法来实现。但是实际应用中，模式匹配index是应用非常广泛的字符串操作，我们倾向于不依赖其他的操作来实现它。

一般匹配

如下图，在目标字符串S中查找模式字符串T的最直白的做法就是：

1.分别用i、j指向字符串

2.依次遍历，S[i]==T[j]则i++、j++

3.S[i]!=T[j]则i回溯到目标字符串S的起始点开始比较，j回溯到T字符串的起点

这个过程很容易写成程序，如下：

/**
 *功能:	在目标字符串中求模式字符串的位置
 *参数:	S——目标字符串(source string)
		T——模式字符串(template string)
		pos——目标字符串从pos开始查找
 *返回:	查找成功，返回T在S中的第一个匹配位置
		查找失败，返回-1
 *其他:	2015/01/09 By Jim Wen Ver1.0
**/
int index( const char *S, const char *T, int pos )
{
	int i=pos, j=0;
	int sLen = strlen(S), tLen = strlen(T);

	while (i<sLen && j<tLen)
	{
		if (S[i]==T[j])
		{
			i++;
			j++;
		}
		else//匹配不成功，回溯，重新下一个匹配
		{
			j=0;
			i=i-j+1;
		}
	}

	if (j>=tLen)//查找成功
	{
		return i-tLen;
	}
	else//查找失败
	{
		return -1;
	}
}

kmp匹配

一般匹配很容易理解也很容易实现，但是效率不高，T字符串过长时，S的回溯成本太高，想了解具体的原因可以自行查找资料，这里就不详述了。想提高效率，就想如何减少回溯次数，如下处理：

可以看到，1、2歩和一般匹配相同，不同的是第3歩，当S和T失配后，i并没有回溯，这时候j回溯到a。为什么这样做呢，注意了！！！

对于T=abcabcdef，在d处失配后一定可以确定S对应的a之前的字符序列一定是abcabc，也就是说不管S是什么，只要T匹配到d，那么一定可以确认S对应点之前的字符序列，进一步也就是说不管S是什么，只要T在d处失配，那么一定可以根据T本身推出下一步应该使用T中的哪一个字符和当前S的i处字符比较，决定失配后j的回溯位置的只是字符串T。

我们可以把这个关系描述成j=next[j]，即在j处失配后下一个j的位置。

那么整个匹配过程如下：

1.分别用i、j指向字符串

2.依次遍历，S[i]==T[j]则i++、j++

3.S[i]!=T[j]，则T向右滑动到j=next[j]，继续S[i]和S[j]的比较，如果不等则再继续T向右滑动到j=next[j]，继续S[i]和S[j]的比较，如此循环

4.一旦T向右滑动的太厉害(即j=0时和S[i]还不匹配，则j只能=-1了)，则i++、j++

那么整个过程写程序程序如下（注意过程2和4合并了），

/**
 *功能:	在目标字符串中求模式字符串的位置
 *参数:	S——目标字符串(source string)
		T——模式字符串(template string)
		pos——目标字符串从pos开始查找
 *返回:	查找成功，返回T在S中的第一个匹配位置
		查找失败，返回-1
 *其他:	2015/01/09 By Jim Wen Ver1.0
**/
int kmp_index( const char *S, const char *T, int pos )
{
	int i=pos, j=0;
	int sLen = strlen(S), tLen = strlen(T);

	int *next = new int[tLen];
	get_next(T, next);

	while (i<sLen && j<tLen)
	{
		if (j==-1 || S[i]==T[j])//注意j==-1的情况
		{
			i++;
			j++;
		}
		else//匹配不成功，回溯，重新下一个匹配
		{
			j = next[j];
		}
	}

	delete[] next;

	if (j>=tLen)//查找成功
	{
		return i-tLen;
	}
	else//查找失败
	{
		return -1;
	}
}

求kmp模式匹配的next数组

如下图：

假设T[j]和S[i]失配，则下一个应该比较的是T[k]和S[i]，则必然有

又由已知的匹配关系有

则对于T必然有：

可以看到，j移动的规则就是找到从t1开始的一段字符序列和tj前面的一段序列相同。

到这里，就找到T的内部关系了，下面只用T计算next数组：

如何计算next数组呢？以T作为目标字符串，同时以T作为模式字符串，如下图：

这里引入了t-1，表示j向右滑到头了，那么计算next数组和模式匹配的算法就非常相似了，如下：

1.初始时i=0，j=-1，next[i]=j，即next[0]=-1，就是当T[0]和主串S不匹配的时候那么这时候当前S[i]位置就是不匹配了

2.如果T[i]==T[j]，

此时隐含T[i-1]=T[j-1],T[i-2]=T[j-2]......

那么就有

此时当然有next[i+1]=j+1

3.如果T[i]!=T[j]，注意此时隐含

那么为了找到和ti相同的元素，向右滑动，求下一个满足条件的j

j=next[j]

4.向右滑动过头，j=-1,则next[i+1]=j+1=0

5.补充在2中，如果T[i+1]==T[j+1]，则

S和T[i+1]失配时，按照2有S再和T[next[i+1]]=T[j+1]匹配，显然必然也是失配的，这时候必须再向下查找，即next[i+1]=next[j+1]

那么实际求取next的程序如下（合并2、4、5），是不是和模式匹配程序很相似呢？

void get_next( const char *T, int *next )
{
	int i=0, j=-1;
	int tLen = strlen(T);

	next[0]=-1;

	while (i < tLen-1)
	{
		if (j==-1 || T[i]==T[j])
		{
			i++;
			j++;

			if (T[i]!=T[j])
			{
				next[i] = j;
			}
			else
			{
				next[i] = next[j];
			}
		}
		else
		{
			j = next[j];
		}
	}

	return;
}

完整源代码下载链接

原创，转载请注明来自http://blog.csdn.net/wenzhou1219

13.字符串-模式匹配

标签：算法   模式匹配   kmp   字符串   数据结构   

原文地址：http://blog.csdn.net/wenzhou1219/article/details/42583131