计算机上的非数值处理掉的对象基本上是字符串数据。
在较早的程序设计语言中,字符串作为输入和输出的常量出现。
随着语言加工程序的发展,产生了字符串处理。
这样,字符串也就作为一种变量类型出现在越来越多的程序设计语言中,
同时也产生了一系列字符串的操作。
字符串一般简称串。
在汇编和语言的编译中源程序及目标程序都是字符串数据。
在事物处理程序中,顾客的姓名和地址以及货物的名称、产地和规格一般也是作为字符串数据处理的
信息检索、文字编辑系统、问答系统、自然语言翻译系统以及音乐分析程序等
都是以字符串数据作为处理对象的
4.1串的定义
4.1.1 串的基本概念
串(字符串):是零个或多个字符组成的有限序列。记作: S=“a1a2a3…”,其中S是串名,ai(1≦i≦n)是单个,可以是字母、数字或其它字符。
串值:双引号括起来的字符序列是串值。
串长:串中所包含的字符个数称为该串的长度。
空串(空的字符串):长度为零的串称为空串,它不包含任何字符。
空格串(空白串):构成串的所有字符都是空格的串称为空白串。
注意:空串和空白串的不同,例如“ ”和“”分别表示长度为1的空白串和长度为0的空串。
子串(substring):串中任意个连续字符组成的子序列称为该串的子串,包含子串的串相应地称为主串。
子串的序号:将子串在主串中首次出现时的该子串的首字符对应在主串中的序号,称为子串在主串中的序号(或位置)。
例如,设有串A和B分别是:
A=“这是字符串”,B=“是”
则B是A的子串,A为主串。B在A中出现了两次,其中首次出现所对应的主串位置是3。因此,称B在A中的序号为3 。
特别地,空串是任意串的子串,任意串是其自身的子串。
串相等:如果两个串的串值相等(相同),称这两个串相等。换言之,只有当两个串的长度相等,且各个对应位置的字符都相同时才相等。
通常在程序中使用的串可分为两种:串变量和串常量。
串常量和整常数、实常数一样,在程序中只能被引用但不能不能改变其值,即只能读不能写。通常串常量是由直接量来表示的,例如语句错误(“溢出”)中“溢出”是直接量。
串变量和其它类型的变量一样,其值是可以改变。
4.1.2 串的抽象数据类型定义
ADT String{
数据对象:D = { ai|ai∈CharacterSet, i=1,2,…,n, n ≥0 }
数据关系:R = {<ai-1, ai>| ai-1, ai∈D, i=2,3,…,n }
基本操作:
StrAssign(t , chars)
初始条件: chars是一个字符串常量。
操作结果:生成一个值为chars的串t 。
StrConcat(s, t)
初始条件:串s, t 已存在。
操作结果:将串t联结到串s后形成新串存放到s中。
StrLength(t)
初始条件:字符串t已存在。
操作结果:返回串t中的元素个数,称为串长。
SubString (s, pos, len, sub)
初始条件:串s, 已存在, 1≦pos≦StrLength(s)且 0≦len≦StrLength(s) –pos+1。
操作结果:用sub返回串s的第pos个字符起长度为len的子串。
……
} ADT String
4.2 串的存储表示和实现
串是一种特殊的线性表,其存储表示和线性表类似,但又不完全相同。串的存储方式取决于将要对串所进行的操作。串在计算机中有3种表示方式:
◆ 定长顺序存储表示:将串定义成字符数组,利用串名可以直接访问串值。用这种表示方式,串的存储空间在编译时确定,其大小不能改变。
◆ 堆分配存储方式:仍然用一组地址连续的存储单元来依次存储串中的字符序列,但串的存储空间是在程序运行时根据串的实际长度动态分配的。
◆ 块链存储方式:是一种链式存储结构表示。
//1 串的联结操作
Status StrConcat ( StringType s, StringType t)
/* 将串t联结到串s之后,结果仍然保存在s中 */
{
int i, j ;
if ((s.length+t.length)>MAX_STRLEN)
Return ERROR ; /* 联结后长度超出范围 */
for (i=0 ; i<t.length ; i++)
s.str[s.length+i]=t.str[i] ; /* 串t联结到串s之后 */
s.length=s.length+t.length ; /* 修改联结后的串长度 */
return OK ;
}
//2 求子串操作
Status SubString (StringType s, int pos, int len, StringType *sub)
{
int k, j ;
if (pos<1||pos>s.length||len<0||len>(s.length-pos+1))
return ERROR ; /* 参数非法 */
sub->length=len-pos+1 ; /* 求得子串长度 */
for (j=0, k=pos ; k<=leng ; k++, j++)
sub->str[j]=s.str[i] ; /* 逐个字符复制求得子串 */
return OK ;
}
4.2.2 串的堆分配存储表示
实现方法:系统提供一个空间足够大且地址连续的存储空间(称为“堆”)供串使用。可使用C语言的动态存储分配函数malloc()和free()来管理。
特点是:仍然以一组地址连续的存储空间来存储字符串值,但其所需的存储空间是在程序执行过程中动态分配,故是动态的,变长的。
//串的堆式存储结构的类型定义
typedef struct
{
char *ch; /* 若非空,按长度分配,否则为NULL */
int length; /* 串的长度 */
}HString ;
1 串的联结操作
Status Hstring *StrConcat(HString *T, HString *s1, HString *s2)
/* 用T返回由s1和s2联结而成的串 */
{
int k, j , t_len ;
if (T.ch) free(T); /* 释放旧空间 */
t_len=s1->length+s2->length ;
if ((p=(char *)malloc(sizeof((char)*t_len))==NULL)
{
printf(“系统空间不够,申请空间失败 !\n”) ;
return ERROR ;
}
for (j=0 ; j<s->length; j++)
T->ch[j]=s1->ch[j] ; /* 将串s复制到串T中 */
for (k=s1->length, j=0 ; j<s2->length; k++, j++)
T->ch[j]=s1->ch[j] ; /* 将串s2复制到串T中 */
free(s1->ch) ;
free(s2->ch) ;
return OK ;
}
4.2.3 串的链式存储表示
串的链式存储结构和线性表的串的链式存储结构类似,采用单链表来存储串,结点的构成是:
◆ data域:存放字符,data域可存放的字符个数称为结点的大小;
◆ next域:存放指向下一结点的指针。
若每个结点仅存放一个字符,则结点的指针域就非常多,造成系统空间浪费,为节省存储空间,考虑串结构的特殊性,使每个结点存放若干个字符,这种结构称为块链结构。如图4-1是块大小为3的串的块链式存储结构示意图。
串的块链式存储的类型定义包括:
//⑴ 块结点的类型定义
#define BLOCK_SIZE 4
typedef struct Blstrtype
{
char data[BLOCK_SIZE] ;
struct Blstrtype *next;
}BNODE ;
//(2) 块链串的类型定义
typedef struct
{
BNODE head; /* 头指针 */
int Strlen ; /* 当前长度 */
}Blstring ;
4.3 串的模式匹配算法
模式匹配(模范匹配):子串在主串中的定位称为模式匹配或串匹配(字符串匹配) 。模式匹配成功是指在主串S中能够找到模式串T,否则,称模式串T在主串S中不存在。
模式匹配的应用在非常广泛。例如,在文本编辑程序中,我们经常要查找某一特定单词在文本中出现的位置。显然,解此问题的有效算法能极大地提高文本编辑程序的响应性能。
模式匹配是一个较为复杂的串操作过程。迄今为止,人们对串的模式匹配提出了许多思想和效率各不相同的计算机算法。介绍两种主要的模式匹配算法。
//算法实现
/* 采用顺序存储方式存储主串s和模式t, */
/* 若模式t在主串s中从第pos位置开始有匹配的子串,*/
/* 返回位置,否则返回-1 */
int IndexString(StringType s , StringType t , int pos )
{
char *p , *q ;
int k , j ;
k=pos-1 ; j=0 ; p=s.str+pos-1 ; q=t.str ;
/* 初始匹配位置设置 */
/* 顺序存放时第pos位置的下标值为pos-1 */
while (k<s.length)&&(j<t.length)
{
if (*p==*q) { p++ ; q++ ; k++ ; j++ ; }
else { k=k-j+1 ; j=0 ; q=t.str ; p=s.str+k ; }
/* 重新设置匹配位置 */
}
if (j==t.length)
return(k-t.length) ; /* 匹配,返回位置 */
else return(-1) ; /* 不匹配,返回-1 */
}
该算法简单,易于理解。在一些场合的应用里,如文字处理中的文本编辑,其效率较高。 该算法的时间复杂度为O(n*m) ,其中n 、m分别是主串和模式串的长度。通常情况下,实际运行过程中,该算法的执行时间近似于O(n+m) 。
4.3.2 模式匹配的一种改进算法
#define Max_Strlen 1024
int next[Max_Strlen];
int KMP_index (StringType s , StringType t)
/* 用KMP算法进行模式匹配,匹配返回位置,否则返回-1 */
/*用静态存储方式保存字符串, s和t分别表示主串和模式串 */
{
int k=0 , j=0 ; /*初始匹配位置设置 */
while (k<s.length)&&(j<t.length
{
if ((j==-1)|| (s. str[k]==t.str[j])) { k++ ; j++ ; }
else j=next[j] ;
}
if (j>= t.length) return(k-t.length) ;
else return(-1) ;
}
void next(StringType t , int next[])
/* 求模式t的next串t函数值并保存在next数组中 */
{
int k=1 , j=0 ; next[1]=0;
while (k<t.length)
{
if ((j==0)|| (t.str[k]==t.str[j]))
{
k++ ; j++;
if ( t.str[k]!=t.str[j] ) next[k]=j;
else next[k]=next[j];
}
else next[j]=j ;
}
}