1.前言
对于字符串匹配问题,即在一个字符串中查找另一个字符串是否存在,通常有两种匹配算法。
一种是暴力求解,BF算法;另一种是KMP算法。
2.BF算法
所谓暴力求解,就是两个下标分别从主串和子串的0下标位置开始,比较下标对应的字符
如果相等,则两个下标都++
如果不相等,则主串的下标回到起始位置的下一个位置,子串回到起始位置
如果子串先走完了,则表明找到了,返回子串第一个元素在主串中的位置;
如果主串走完了,还没返回,表明找不到;返回-1。
假设主串长度为m,子串长度为n
时间复杂度:O(m*n)
代码的实现:
int BF(const char* Str, const char* Sub)
{
assert(Str != NULL && Sub != NULL);
int lenStr = strlen(Str);
int lenSub = strlen(Sub);
if (lenStr < lenSub)
return -1;
int i = 0;//遍历主串
int j = 0;//遍历子串
while (i < lenStr)
{
if (Str[i] == Sub[j])
{
i++;
j++;
}
else
{
i = i - j + 1;
j = 0;
}
if (j == lenSub)
return i - j;
}
return -1;
}
2.KMP算法
kmp算法是由Knuth,Morris,Pratt发现的,相较于BF算法,它更高效,高效在什么地方呢?
BF算法中匹配失败时,i回退到起始位置的下一个位置,j回退到起始位置
而在KMP算法中,i不用回退
由于i和j能走到当前的位置,说明它们前面的某部分是相匹配的,因此j也不用回退到起始位置,而是回退到某一特定的位置,而怎么计算特定的位置就是KMP算法的关键。
2.1next数组
这边我们引入next数组的概念,它用来记录当匹配失败时,子串下标应当回到的某一特定的位置
并规定,子串第一个元素和第二个元素回到的位置是-1和0
next数组的手动计算:
假设有这样的一对字符串,走到了匹配失败的字符
怎么确定j返回的位置?
我们的目的是保持i不变,j回退到某一特定的位置,希望主串中有部分能跟子串匹配,这是肯定有的,因为i和j能走到当前位置,就表明前面有部分字符串是匹配的。
我们发现子串0~1和3~4之间字符串和主串的3~4字符串相等,且字符串的长度为2,因此j要返回的位置就是2位置,即next[j] = 2。
为什么回退的位置就是2,我们后面会给出证明,这里暂时先知道结论。
因此next[j]的计算方法就是:
在0~j-1的字符串中,如果有两个字符串,其中一个字符串以0位置的字符开始,另一个字符串以j-1位置的字符结束,且两个字符串相等,则字符串的长度就是j返回的位置。
下面给出一些练习,手动求一下子串的next数组:
1.求"ababcabcdabcde"的next数组
2.求"abcabcabcabcdabcde"的next数组
知道了怎么手动求next数组,代码该怎么实现呢?
假设我们已经知道了next[j]=k,怎么求next[j+1]?
此时分两种情况:
1)Sub[j] = Sub[k]:
得出结论就是next[i+1] = k+1
2)Sub[j] != Sub[k]
基础代码:
int KMP(const char* Str, const char* Sub)
{
assert(Str != NULL && Sub != NULL);
int lenStr = strlen(Str);
int lenSub = strlen(Sub);
if (lenStr < lenSub)
return -1;
int i = 0;//遍历主串
int j = 0;//遍历子串
int* next = (int*)malloc(sizeof(int) * lenSub);
GetNext(Sub, next, lenSub);
while (i < lenStr)
{
if (j == -1 || Str[i] == Sub[j])
{
i++;
j++;
}
else
{
j = next[j];//j回退
}
if (j == lenSub)
return i - j;
}
return -1;
}
这里需要解释的是为什么要加上j==-1这个判断条件
有这样一种情况,一直往后退,直到j==-1了,还是没有Str[i] == Sub[j]
此时进行判断会发生数组的越界访问
而j++刚好等于0,i++往后走,符合我们的要求
接下来就剩next数组了
上面的前提条件是知道了next[j]=k,当Sub[j]=Sub[k]时,可以得出next[i+1]=k+1
而此时我们并不知道next[j]的值,该怎么办呢?
可以利用上一个位置的值,我们是知道上一个位置的值的
即next[j-1]=k,此时若Sub[j-1]=Sub[k],则Sub[j]=k+1
void GetNext(const char* Sub, int* next, int lenSub)
{
assert(Sub != NULL);
next[0] = -1;
if (lenSub == 1)
return;
next[1] = 0;
int j = 2;
int k = 0;
while (j < lenSub)
{
if (k == -1 || Sub[j - 1] == Sub[k])
{
next[j] = k + 1;
j++;
k++;
}
else
{
k = next[k];
}
}
}
有这样的情况:Sub[j-1] != Sub[k],k一直回退到了k==-1
进行判断会发生数组越界访问所以if判断加上k==-1的条件
总的代码如下:
void GetNext(const char* Sub, int* next, int lenSub)
{
assert(Sub != NULL);
next[0] = -1;
if (lenSub == 1)
return;
next[1] = 0;
int j = 2;
int k = 0;
while (j < lenSub)
{
if (k == -1 || Sub[j - 1] == Sub[k])
{
next[j] = k + 1;
j++;
k++;
}
else
{
k = next[k];
}
}
}
int KMP(const char* Str, const char* Sub)
{
assert(Str != NULL && Sub != NULL);
int lenStr = strlen(Str);
int lenSub = strlen(Sub);
if (lenStr < lenSub)
return -1;
int i = 0;//遍历主串
int j = 0;//遍历子串
int* next = (int*)malloc(sizeof(int) * lenSub);
GetNext(Sub, next, lenSub);
while (i < lenStr)
{
if (j == -1 || Str[i] == Sub[j])
{
i++;
j++;
}
else
{
j = next[j];//j回退
}
if (j == lenSub)
return i - j;
}
return -1;
}
2.2next数组的优化
我们的next数组是可以优化的
在这样的情景下
当在j位置匹配成功时,j++,无事发生
而匹配失败时,j回到1位置,而Sub[1]==Sub[j],此时肯定也是匹配不上的,那这一步回退就是多余的
所以当Sub[j] = Sub[k]时,next[j] = next[k]
void NextOptimize(const char* Sub, int* next, int lenSub)
{
assert(Sub != NULL);
int i = 2;
while (i < lenSub)
{
if (Sub[i] == Sub[next[i]])
{
next[i] = next[next[i]];
}
i++;
}
}
总的代码:
void GetNext(const char* Sub, int* next, int lenSub)
{
assert(Sub != NULL);
next[0] = -1;
if (lenSub == 1)
return;
next[1] = 0;
int j = 2;
int k = 0;
while (j < lenSub)
{
if (k == -1 || Sub[j - 1] == Sub[k])
{
next[j] = k + 1;
j++;
k++;
}
else
{
k = next[k];
}
}
}
void NextOptimize(const char* Sub, int* next, int lenSub)
{
assert(Sub != NULL);
int i = 2;
while (i < lenSub)
{
if (Sub[i] == Sub[next[i]])
{
next[i] = next[next[i]];
}
i++;
}
}
int KMP(const char* Str, const char* Sub)
{
assert(Str != NULL && Sub != NULL);
int lenStr = strlen(Str);
int lenSub = strlen(Sub);
if (lenStr < lenSub)
return -1;
int i = 0;//遍历主串
int j = 0;//遍历子串
int* next = (int*)malloc(sizeof(int) * lenSub);
if (next == NULL)
{
perror("next");
return -1;
}
GetNext(Sub, next, lenSub);
NextOptimize(Sub, next, lenSub);
while (i < lenStr && j <lenSub)
{
if (j == -1 || Str[i] == Sub[j])
{
i++;
j++;
}
else
{
j = next[j];//j回退
}
}
if (j == lenSub)
{
free(next);
next = NULL;
return i - j;
}
free(next);
next = NULL;
return -1;
}
时间复杂度:O(m+n)