串的应用--模式匹配算法

朴素的模式匹配算法

子串的定位操作通常称为串的模式匹配，是串中最重要的操作之一。

假设要从下面的主串S=”goodgoogle”中，找到T=”google”这个子串的位置，通常通过以下几个步骤：

1. 主串S第一位开始，S和T前三个字母都匹配成功，但S第四个字母是d而T的是g。第一位匹配失败。
2. 主串S第二位开始，主串S首字母是o，要匹配的T首字母是g，匹配失败。
3. 主串S第三位开始，主串首字母是o，要匹配的T首字母是g，匹配失败。
4. 主串S第四位开始，主串S首字母是d，要匹配的T首字母是g，匹配失败。
5. 主串S第五位开始，S与T，6个字母全匹配，匹配成功。

简单来说，就是对主串的每个字符作为子串开头，与要匹配的字符串进行匹配。对主串做大循环，每个字符开头做T的长度的小循环，知道匹配成功或全部遍历完成为止。之前使用串其他操作实现模式匹配（Index方法），现不用串其他操作，使用基本的数组实现，假设主串S和要匹配的子串T的长度均保存在S[0]和T[0]中，具体代码如下：

/*返回子串T和主串S中第pos个字符之后的位置。若不存在，则函数返回值为0*/
/*T非空，1<=pos<=StrLength(S)*/
int Index(String S,String T,int pos){
   int i=pos; //i-主串S中当前位置下标，若pos不为1，从pos位置开始匹配
   int j=1; //j用于子串T中当前位置的下标值
   while(i <= S[0] && j <= T[0]){ //i小于S长度且j小于T长度时循环
      if(S[i]==S[j]){ //两字母相同时，继续循环，向后移动
         ++i;
         ++j;
      }else{ //俩字母不同时，i退回到上次匹配首位的下一位，j重置为1
         i=i-j+2;
         j=1;
      }
   }
   if(j>T[0]) return i-T[0];  //若j比T的长度大时，返回首位，否则返回0
   else return 0;
}

小结：最好情况的时间复杂度为 $O(n+m)$ ，最坏情况的时间复杂度为 $O[(n-m+1)*m]$ 。所以，这个算法太低效了。

KMP模式匹配算法

算法原理

对于所有在子串中有与首字符相等的字符，是可以省略一部分不必要的判断步骤。朴素的模式匹配中有很多重复的遍历步骤，主串的i是需要不断回溯来完成，而分析发现，这种回溯可以是不需要的，而KMP模式匹配算法就是避免这种不必要的回溯发生。

既然i值不回溯，也就是不能变小，要考虑的变化就是j值，观察发现，T串的首字符与自身后面字符比较，发现如果有相等字符，j值的变化会不同，即，j值的变化与主串没什么关系，关键取决于T串的结构是否有重复的问题。

j值得多少取决于当前字符之前的串的前后缀的相似度。

T串各位置的j值变化定义为一个数组next，那么next的长度就是T串的长度，函数定义如下：