吾之简单的KMP算法学习，字符串操作基本功

字符与文字

字符如此普遍，构成我们语言的文字在电脑以看来字符为单位是十分合理的，我们人类的任何语言都对文字赋予了丰富的内涵，处理好每一个字符是一个负责任的一流工程师应该做的。即便是简单到不能再简单的Lisp也是把一切归为几个字符，可见几个字符的重要性。

字符串，一堆又一堆的字符，使之排序构成串，字符串操作无非有四：增、删、改、查  [   切分  ]。

字符串操作在我看来分为两类：基于比较的和基于坐标的，比较结果，和坐标位置是我们操作字符串的基准（规则）。

搜索和遍历

创造字符串，第一步就是看看它长个啥样子，遍历整个字符串便是首要目标。

程序就是在循环之中寻找目标，循环之多少决定程序之快慢，深度亦深亦浅，全在于工程师，有尺有度，有条不紊，故此Python书上。

字符串匹配算法（正文）

字符串匹配，一文一字要挨个来，有人喜从头起，有人喜欢尾始，因人而异，因时而异

本王所讲皆是从左开始按正序开始匹配，而且只是简单讲述KMP算法和暴力搜索

暴力搜索

人的一生总是从简单直接粗暴的开始，以暴制暴方便入门。要粗暴，那就要直接裸写代码强行匹配，完全不怂！

写完代码再来看以下代码的同学日后必成大器，日后必成大器，日后必成大器，重要的文字、文字、文字说三遍！

def brute_force(text,find): #暴力搜索

	
	start = 0 # text 比较游标
	sub = 0 # find 比较游标
	restart = 0
	while start!=len(text):
		if text[start]==find[sub]:
			start+=1
			sub+=1
		else:
			restart+=1
			start=restart 
			#text 游标从次一项开始
			sub = 0 # find 游标从 头开始
		if sub==len(find):
			return start - sub #由于start 游标停在最后的匹配字符上，所以我们要减去搜索串find的长度
	return -1

如果以上代码看不懂，我教你一个简单快速的方法看懂，鼠标右下角，立马就懂！

当你分析懂了暴力搜索的原理（我的代码怎么表达的，弄懂restart 是什么意思），你就可以很快搞懂KMP算法是个什么鬼！

简而言之，比较俩字符串，<小明不知道小敏在哪里，而晓敏知道小明知道晓敏知道小敏在哪里> 以及<晓敏>

我们一眼就可以知道 第一个分句里没有，第二个分句有<晓敏>,我们看一眼便知道整个句子，所以瞬间出答案，同样的道理，如若我们能亚索（不，压缩）字符串做到快速遍历也是搜索之良方，不过我们不采取这种方法，而是采取一个小策略我们把<晓敏>拆开，这个句子<敏>出现次数较多，如果没有<敏>这个字，我们就可以直接跳过一些距离，直接从<小明不知道小敏在哪里>中的<在>继续查找，我想大概的意思你应该懂了那么一丢丢！

在伊犁，

很明显，GB后A 和O明显不匹配，再一个字符一个字符比较<ADA>，你这样做似不似傻 ，完全可以跳过其中的<ADA>跳到第二个<G>比较就可以提高效率

所以呢，我们需要机智的预先算出来<GBORGAB>中 两个G之间的距离来确定必要时跳跃几个字符！

如何计算每个字符需要的跳转位置呢！

假使<GBORGAB>是一个特别集合，使用其子集（如：G、GB、GBO等）前缀和后缀的共有元素来确定对应字符的跳转距离！共有元素组成的集合成为跳转表

代码如下：

def kmp(text,find): #经典的KMP（Knuth-Morris-Pratt）算法
	match = []
	
	
	prefix_list = []
	suffix_list = []
	
		
	#生成 "部分匹配表"
	for x in xrange(1,len(find)+1): # xrange(1,10) 生成1~9的序列
		str_src = find[0:x] #str_src原字符串
		
		prefix_list = prefix(str_src)
		suffix_list = suffix(str_src)
		
		intersection_list = [tmp for tmp in prefix_list if tmp in suffix_list]
		intersection_str = ''.join(intersection_list)
		match.append(len(intersection_str))
	print match

	#比较操作
	
	start = 0 # text 比较游标
	sub = 0 # find 比较游标
	restart = 0 #跳转游标
	matched_char = 0 #当前已匹配字符数
	while start!=len(text): #只要没有读取到text的最后一个字符就继续 读
		print 'comparing '+str(start)+' and '+str(sub)
		if text[start]==find[sub]:
			print 'found '+str(start)+' and '+str(sub)+'is equal'
			matched_char += 1
			start+=1
			sub+=1
		else:
			
			if matched_char == 0:
				restart +=1
			else:
				restart+= (matched_char - match[sub-1])

			matched_char = 0
			start=restart 
			#text 游标从次一项开始
			sub = 0 # find 游标从 头开始
		if sub==len(find):
			return start - sub #由于start 游标停在最后的匹配字符上，所以我们要减去搜索串find的长度
	return -1 #为搜索到

def prefix(item_str): #获取item_str的前缀
	prefix_list = []
	item_str = item_str[:-1]
	for x in xrange(1,len(item_str)+1):
		
		prefix_list.insert(x,item_str[0:x])

	
	#print 'src='+item_str
	#print prefix_list
	return prefix_list
def suffix(item_str):#获取item_str的后缀
	suffix_list = []
	item_str  = item_str[0:]
	for x in xrange(1,len(item_str)+1):

		suffix_list.insert(x,item_str[x:])

	
	#print 'src='+item_str
	#print suffix_list
	return suffix_list

慢慢读，慢慢画吧，同学

这代码应该没什么明显的Bug！

大概，就是这样，以后争取坚持下来写博客！