题目3：文本文件单词的检索与计数（实验准备）

实验任务

• 建立一个文本文件，统计给定单词在文本文件中出现的总次数及位置

实验要求

• 文本文件中每个单词不包含空格且不跨行，单词由字符序列构成且区分大小写，统计给定单词在文本文件中出现的总次数，检索输出的某个单词出现在文本中的行号、在该行中出现的位置。
• 设计数据量大的文本，进行子串的查询处理，分析算法运行的时间效率，对所有输出的匹配位置结果进行验证，以证明算法设计和实现的正确性。
• 用朴素模式匹配算法或KMP算法实现字符串定位。
• 可正确读取，保存文本。

编程语言的选择

• 编程语言：Java
• 编译环境：JDK1.8
• 开发工具：IntelliJ IDEA

项目思路

项目解析

问题一

（1）建立一个只包含英文单词的文本文档
（2）读取文本文档的内容
（3）使用者输入一个要查询的单词
（4）检索该单词出现的次数以及位置

问题二

（1）同问题一中的（3），输入数据量大的文本
（2）在读取到的文本文档的内容中检索（1）中输入文本的字串
（3）在控制台打印算法运行时间，分析算法的运行效率
（4）输出检索成功的文本次数以及位置
（5）检验算法的正确性

算法选择

朴素模式匹配算法

模式匹配的最原始想法，从目标串T的的第一个字符开始与模式串P的第一个字符开始进行比较，如果相等，则继续对后续的字符进行比较，否则目标串T从第二个字符开始与模式串P的第一个字符重新比较，直至模式串P中的每个字符依次和目标串T中的一个子串相等为止，此时称为匹配成功，否则匹配失败。
如果模式串P的长度是m，目标串T的长度是n，假设最坏的情况是每遍比较都在最后出现不等，即每遍最多比较m次，最多比较n-m+1遍，总的比较次数最多为m(n-m+1)，因此朴素的模式匹配算法的时间复杂度为O(mn)。由于朴素的模式匹配算法的效率不高，在实际应用中很少使用，但易于理解。

代码实现如下：

package com.igeek.algorithm;

/**
 * @author 86183
 * @ClassName: IntelliJ IDEA
 * @Description:
 * @date 2021/3/1 18:00
 */
public class BF_Algorithm {
    public int bf(String str1, String match1) {
        int length1 = str1.length();
        int length2 = match1.length();
        int i = 0;
        int j = 0;
        int k = 0;
        char[] str = str1.toCharArray();
        char[] match = match1.toCharArray();
        while (i < length1 && j < length2) {
            if (str[i] == match[j]) {
                i++;
                j++;
            } else {
                k++;
                j = 0;
                i = k;
            }
        }
        if (j == length2) {
            return k;
        } else {
            return -1;
        }
    }
}

KMP算法

KMP算法是一种改进的字符串匹配算法，由D.E.Knuth，J.H.Morris和V.R.Pratt同时发现，因此人们称它为克努特–莫里斯–普拉特操作(简称KMP算法)。KMP算法的关键是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。具体实现就是实现一个next()函数，函数本身包含了模式串的局部匹配信息。时间复杂度O(m+n)。

代码实现如下：

package com.igeek.algorithm;

/**
 * @author 86183
 * @ClassName: IntelliJ IDEA
 * @Description:
 * @date 2021/3/1 18:02
 */
public class KMP_Algorithm {
    
    public static int kmp(String s, String p) {
        char[] str = s.toCharArray();
        char[] ptr = p.toCharArray();
        int[] next = next(ptr);
        int s_i = 0, p_i = 0;

        while (s_i < str.length && p_i < ptr.length) {
            if (str[s_i] == ptr[p_i]) {
                s_i++;
                p_i++;
            } else {
                if (p_i == 0) {
                    s_i++;
                } else {
                    p_i = next[p_i - 1] + 1;
                }
            }
        }
        return (p_i == ptr.length) ? (s_i - ptr.length) : -1;
    }

    public static int[] next(char[] str) {
        int[] next = new int[str.length];
        int i = 0, j = 1;
        next[0] = -1;
        for (i = 1; i < str.length; i++) {
            j = next[i - 1];
            while (str[j + 1] != str[i] && (j >= 0)) {
                j = next[j];
            }
            if (str[i] == str[j + 1]) {
                next[i] = j + 1;
            } else {
                next[i] = -1;
            }
        }
        return next;
    }
}