关闭

KMP算法

337人阅读 评论(0) 收藏 举报

KMP 匹配算法是由 "Knuth  Morris  Pratt"  提出的一种快速的模式匹配算法。  

   hint:不为自身的最大首尾重复子串长度

   1.待解决的问题:假设P为给定的子串,T是待查找的字符串,要求从T中找出与P相同的所有子串,这称为模式匹配问题。 (可以给出子串在T中的位置) (下文中提到的P和T分别为子串和目标串)

   让我们先来看个例题:

   T:   t0      t1     t2      t3 .... tm-1 ... tn-1

   P:   p0      p1     p2      p3 .....pm-1         

                                               

   从T的最左边开始比较,使得 TK = PK,则匹配成功。

   2.解决模式匹配问题的方案:

   A:朴素的模式匹配算法(思路简单,但不够简便,时间长,有回溯):最简单和最直接的做法,用P中的字符依次与T中的字符进行比较,遇到不相等的字符,则可将P右移一个字符,重新进行比较,直到某次匹配成功或者到达P的最右字符移出T为止。

   如:若P="aaaba", T="aaabbaaaba", 则匹配过程如下图

    T:     a   a   a   b   b   a   a   a   b  a

    P:     a   a   a   b   a                                                                

               a   a   a   b   a                

                                   .....

                               a   a   a   b  a           

   从上不难分析,最坏的情况是“每次比较都在最后一个字符出现不等,每趟最多比较M次,最多比较N-M+1趟,总的比较次数最多为M*(N-M+1)” ,时间复杂性为0(M*N)。 在P右移一位时,不管上一趟比较的中间结果是什么,因此回溯是不可避免的(如:前3个aaa 不需要一位一位的移 ) 。下面我来介绍无回溯的KMP算法。

   3.KMP算法解决匹配中哪些主要问题:

   A.当字符串比较出现不等时,确定下一趟比较前,应该将P右移多少个字符; 

   B. P右移后,应该从哪个字符开始和T中刚才比较时不等的那个字符继续开始比较。

    我们通过朴素模式匹配的例子来引出问题。在第一次比较过程中失败的是P的第4个字符b,这表明P的前4个字符是成功的。模式P的第3个字符b在它的前3个字符(aaa)中并未出现。因此,在下一次比较时候,至少要将P向后移4个字符;再看P的第一个字符与最后一个字符是相同的,因此将P右移4个字符后,再从第一个字符比较,肯定也是不等的。综上所诉:应该将P右移5个字符,再从P的第0个字符和T的第5个字符开始比较!

   KMP算法核心:KMP算法借助于一个辅助数组next来确定当匹配过程中出现不等时,模式P右移的位置和开始比较的位置。next[i]的取值只与模式P本身的前i+1项有关,而与目标T无关。匹配过程中遇到Pi不等于Tj时,若next[i]>=0,则应将P右移i-next[i]位个字符,用P中的第next[i]个字符与Tj 进行比较;若:next[i]= -1,P中的任何字符都不必再与Tj比较,而应将P右移i+1个字符,从P0和Tj+1从新开始下一轮比较(可能不太好理解,自己找个例子,对着话一句一句试试看)

   因此只要计算出与模式P相关的next数组,按上面的含义,就可以很容易地给出串的匹配算法。(问题就这样转化了)

    C.next的计算:以P = " 01001010100001"为例。

     i   :            0   1   2   3   4   5   6    ..... 

     P   :            0   1   0   0   1   0   1    .....

    j(next[i]) :     -1   0   0   1   1   2   3    .....

   如1:我们要算next[2]的值,有关的为P本身的前2个字符0,1。在字符串01中,寻找出“左右相同的最大字符串,此字符串所含字符的个数就为next[i]的值”而0不等于1,相同字符串不存在,所以next[i] = 0;

   如2:我们要算next[6]的值,有关的为P本身前6个字符010010 。此字符串中010 = 010左右相同的最大字符串为010,个数为3。所以next[i]=3;

   如3:我们要算next[5]的值,有关的为P本身前5个字符01001。此字符串中 01=01 左右相同的最大字符串为01,个数为2。所以next[i]=2;

实例:

#include <cstdlib>
#include <cstring>
#include <iostream>
using namespace std;
const int N = 50;
int next[N];
int index(char *src,char *des,int pos);
int KMP(char *S,char *T);
void getNext(char T[]);
int main(int argc, char *argv[])
{
    char *src = "0101010100101010101111101022";
    char *des = "0101010111111"; 
    cout<<"一般算法匹配位置:"<<index(src,des,0)<<endl;
    getNext(des);
    cout<<"KMP算法匹配位置:"<<KMP(src,des)<<endl; 
  
    system("pause");
    return 0;
}

//一般匹配方法,缺点比较次数多,效率低 
int index(char *src,char *des,int pos){
    static int count=0;
    int slen=strlen(src);    
    int dlen=strlen(des);
    int i=pos;
    int j=0;
    while(i<slen&&j<dlen)
    {
        if(*(src+i)==*(des+j))
        {
            i++;
            j++;
            count++;
        } 
        else
        {
            i=i-j+1;
            j=0;
            count++;          
        }
    }
    cout<<"普通算法比较次数:"<<count<<endl;
    if(j==dlen){ 
        return i-dlen+1;
    }
    else{
        return -1;
    }
}

/*
KMP算法:效率快,比较次数较少
S:010001000111101,原字符串 
i:          0 1 2 3 4 5 6 7 8 9 字符位置 
T:          0 1 0 0 1 0 1 0 0 1 需要匹配的字符
j(next[i]):-1 0 0 1 1 2 3 3 3 4
原理:利用辅助数组next来保存当字符不匹配时
需要移动的字符个数,计算方法为,比较T中的前i-1个字符
字符串相等的最大数目即为next[i]的值 
*/ 

int KMP(char *S,char *T)
{
    static int cou=0;
    int i=0;
    int j=0;
    int slen=strlen(S);
    int tlen=strlen(T);
    while(i<slen&&j<tlen)
    {
        if(j==-1||*(S+i)==*(T+j))
        {
            i++;
            j++;
            cou++;
        } 
        else
        {
            j=next[j];
            cou++;          
        }
    }
    cout<<"KMP算法比较次数:"<<cou<<endl;
    if(j==tlen){ 
        return i-tlen+1;
    }
    else{
        return -1;
    }
    
} 

//取得T的next数组 
void getNext(char *T)
{
     int len=strlen(T);
     //初始化数组 
     memset(next,0,sizeof(next));
     next[0]=-1;
     int i=-1;
     int j=0;
     while(j<len)
     {
         if(i==-1||*(T+i)==*(T+j))
         {
          i++;
          j++;
          if(*(T+i)!=*(T+j))//修正
           {
            next[j]=i; 
           }
          else
           {
             next[j]=next[i];
           }
         } 
         else
         {
         i=next[i];
         }
      
     }
     for(int i=0;i<len;i++){
            cout<<next[i]<<" ";
    }

     
}

转载:http://www.cppblog.com/suiaiguo/archive/2009/07/16/90237.html

0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:8502次
    • 积分:118
    • 等级:
    • 排名:千里之外
    • 原创:2篇
    • 转载:5篇
    • 译文:0篇
    • 评论:0条
    文章存档