一步一步写算法（之字符串查找 中篇）

【 声明：版权所有，欢迎转载，请勿用于商业用途。  联系信箱：feixiaoxing @163.com】

    昨天我们编写了简单的字符查找函数。虽然比较简单，但是也算能用。然而，经过我们仔细分析研究一下，这么一个简单的函数还是有改进的空间的。在什么地方改进呢？大家可以慢慢往下看。

    下面的代码是优化前的代码，现在再贴一次，这样分析起来也方便些：

char* strstr(const char* str, char* data)
{
	int index;
	int len;

	if(NULL == str || NULL == str)
		return NULL;

	len = strlen(data);
	while(*str && (int)strlen(str) >= len){
		for(index = 0; index < len; index ++){
			if(str[index] != data[index])
				break;
		}

		if(index == len)
			return (char*) str;

		str++;
	}

	return NULL;
}

     不知道朋友们发现没有，原来的while条件中有一个很费时的操作。那就是每次str移动的时候，都需要判断str的长度大小。如果str的长度远大于data的长度，那么计算str长度的时间是相当可观的。

int check_length_of_str(const char* str, int len)
{
	int index;

	for(index = 0; index < len; index ++){
		if('\0' == str[index])
			return 0;
	}

	return 1;
}

char* strstr(const char* str, char* data)
{
	int index;
	int len;

	if(NULL == str || NULL == str)
		return NULL;

	len = strlen(data);
	while(*str && check_length_of_str(str, len)){
		for(index = 0; index < len; index ++){
			if(str[index] != data[index])
				break;
		}

		if(index == len)
			return (char*) str;

		str++;
	}

	return NULL;
}

    上面的代码很好地解决了长度判断的问题，这样一来每次比较的长度很短，只要判断len的大小字符长度即可。但是，我们还不是很满足，如果两者不比较岂不更好。那么，有没有这个可能？我们发现，如果str在每次比较不成功的时候，就会自己递增一位。那么我们只要判断这一位是不是‘\0’不就可以了吗？所以说，我们的代码还可以写成下面的形式。

char* strstr(const char* str, char* data)
{
	int index;
	int len;

	if(NULL == str || NULL == str)
		return NULL;

	len = strlen(data);
	if((int)strlen(str) < len)
		return NULL;

	while(*str){
		for(index = 0; index < len; index ++){
			if(str[index] != data[index])
				break;
		}

		if(index == len)
			return (char*) str;

		if('\0' == str[len])
			break;

		str++;
	}

	return NULL;
}

    和上面第一次的优化不同，我们在进入while之前会判断两者的长度区别，但是经过第一次判断之后，我们就再也不用判断了，因为接下来我们只要判第n个元素是否为‘\0’即可，原来的n-1个元素我们已经判断过了，肯定是合法的元素。为什么呢？大家可以好好想想。

（二）、KMP算法

    KMP算法本质上说是为了消除查找中的多余查找步骤。怎么就产生了多余的查找步骤了呢。我们可以用示例说话。假设有下面两个字符串：

    A：  baaaaabcd

    B：  aaaab

    那么这两个查找的时候会发生什么现象呢？我们可以看一下：

/*      1 2 3 4 5 6 7 8 9
*    A: b a a a a a b c d
*    B:   a a a a b
*       1 2 3 4 5 6 7 8 9
*/  

    我们发现B和A在从第2个元素开始比较的时候，发现最后一个元素是不同的，A的第6个元素是a，而B的第5个元素是b。按照普通字符串查找的算法，那么下面A会继续向右移动一位，但是事实上2-5的字符我们都已经比较过了，而且2-5这4个元素正好和B的前4个元素对应。这个时候B应该用最后一位元素和A的第7位元素比较即可。如果这个计算步骤能省下，查找的速度不就能提高了吗？

【预告： 下面一篇博客介绍KMP的编写和多核查找算法】