每一个不曾起舞的日子,都是对生命的辜负。
字符串匹配算法:BF & KMP
1. BF算法
BF算法,即暴力(Brute Force)算法,是普通的模式匹配算法,BF算法的思想就是将目标串S的第一个字符与模式串T的第一个字符进行匹配,若相等,则继续比较S的第二个字符和 T的第二个字符;若不相等,则比较S的第二个字符和T的第一个字符,依次比较下去,直到得出最后的匹配结果。 BF算法是一种蛮力算法。
假定我们给出字符串 ”ababcabcdabcde”作为主串, 然后给出子串: ”abcd”,现在我们需要查找子串是否在主串中出现,出现返回主串中的第一个匹配的下标,失败返回-1 ;
只要在匹配的过程当中,匹配失败,那么:i回退到刚刚位置的下一个,j回退到0下标重新开始。
/*字符串匹配算法 BF
str:主串
sub:子串
返回值:返回子串在主串当中的下标。如果不存在返回-1
*/
int BF(const char* str, const char* sub)
{
assert(str && sub);
if (str == NULL || sub == NULL)
return -1;
int lenStr = strlen(str);
int lenSub = strlen(sub);
int i = 0;
int j = 0;
while (i < lenStr && j < lenSub)
{
if (str[i] == sub[j])
{
i++;
j++;
}
else
{
i = i - j + 1;
j = 0;
}
}
if (j >= lenSub)
return i - j;
else
return -1;
}
int main()
{
printf("%d\n", BF("ababcabcdabcde", "abcd"));//5
return 0;
}
2. 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提出的,因此人们称它为克努特—莫里斯—普拉特操作(简称KMP算法)。KMP算法的核心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。具体实现就是通过一个next()函数实现,函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度O(m+n) [1] 。
区别:KMP 和 BF 唯一不一样的地方在,我主串的 i 并不会回退,并且 j 也不会移动到 0 号位置。
,因此,KMP中最关键的部分就是j移动到了什么位置,由此引入next数组,也是KMP中最关键的部分。
next数组的作用:保存j回退的步长,当字符进行比较出现不相等的情况时j退到next[j]的步长。
1. 首先举例,为什么主串不回退?
2. j的回退位置
2.0 引出next数组
KMP 的精髓就是 next 数组:也就是用 next[j] = k;来表示,不同的 j 来对应一个 K 值, 这个 K 就是你将来要移动的 j要移动的位置。
而 K 的值是这样求的:
1、规则:找到匹配成功部分的两个相等的真子串(不包含本身),一个以下标 0 字符开始,另一个以 j-1 下标
字符结尾。
2、不管什么数据 next[0] = -1;next[1] = 0;在这里,我们以下标来开始,而说到的第几个第几个是从 1 开始;
那么next数组的具体是怎么求呢?
练习 1: 举例对于”ababcabcdabcde”, 求其的 next 数组?
-1 0 0 1 2 0 1 2 0 0 1 2 0 0
练习 2: 再对”abcabcabcabcdabcde”,求其的 next 数组? "
-1 0 0 0 1 2 3 4 5 6 7 8 9 0 1 2 3 0
解释:
练习一:
先将 -1和0填入,当下一步时,j指向a,则以a开始,b结尾(j-1指向的字符为b)没有相同的两个子串,则next[j] = 0,c此时j下标为2.
当j指向第四个字符b时,以a开始,以a(此时j-1指向a)结尾有两个相同的子串(a,a),长度为1,故next[j] = 1,j = 3,以此类推。
解释:
练习二:练习二需要注意的就是求next数组的数字时,查相同子串是可以重叠的,但是一个子串必须以j = 0时开始。
到这里大家对如何求next数组应该问题不大了,接下来的问题就是,已知next[i] = k;怎么求next[i+1] = ?
如果我们能够通过 next[i]的值,通过一系列转换得到 next[i+1]得值,那么我们就能够实现这部分。
那该怎么做呢?
首先假设: next[i] = k 成立,那么,就有这个式子成立: P0…Pk-1 = Px…Pi-1;得到: P0…Pk-1 = Pi-k…Pi-1;
到这一步:我们再假设如果 Pk = Pi;我们可以得到 P0…Pk = Pi-k…Pi;那这个就是 next[i+1] = k+1;
那么: Pk != Pi 呢?看如下实例:
通过代码理解:
void GetNext(char* sub, int* next,int lenSub)
{
next[0] = -1;
next[1] = 0;
int i = 2;//当前i下标
int k = 0;//前一项的k,i-1位置下面的k ,next[1]
while(i < lenSub)
{
if (k == -1 ||sub[i - 1] == sub[k])//k == -1在这判断的原因是防止数组越界
{
next[i] = k + 1;
i++;
k++;
}
else
{
k = next[k];//继续回退
}
}
}
//str代表主串,sub代表子串,pos代表从主串的pos位置开始找
int KMP(const char* str, const char* sub, int pos)
{
int lenStr = strlen(str);
int lenSub = strlen(sub);
if (lenStr == 0 && lenSub == 0)
return -1;
if (pos < 0 || pos >= lenStr)
return -1;
int* next = (int*)malloc(sizeof(int) * lenSub);
assert(next);
GetNext(sub, next,lenSub);
int i = pos;//遍历主串
int j = 0;//遍历子串
while (i < lenStr && j < lenSub)
{
if (j == -1 || str[i] == sub[j])//防止数组越界
{
i++;
j++;
}
else
{
j = next[j];//j退回到标记的位置
}
}
free(next);
next = NULL;
if (j >= lenSub)
{
return i-j;
}
else
{
return -1;
}
}
int main()
{
printf("%d\n", KMP("ababcabcdabcde", "abcd", 0));//5
printf("%d\n", KMP("ababcabcdabcde", "abcdf", 0));//-1
printf("%d\n", KMP("ababcabcdabcde", "ab", 0));//0
}
总结:
KMP算法只需要在BF算法基础之上改变j的回退步数,并且i不回退,而j的步数则由其对应的next数组的每一个元素存储。