模式匹配:找到当前字符串中首次与模式字符串完全匹配的位置。
首先讲解暴力搜索算法,KMP匹配算法就是在此基础上发展来的。
代码是基于C语言的。
target指向要搜索的字符串,pattern指向要匹配的模式。
暴力算法简介又称BF算法:
- 从target的第一个字符开始,依次执行第2步,直到target中剩下的字符个数比pattern中的个数少。
- 从target当前的字符开始,依次和pattern中的字符匹配,若pattern遍历完全匹配,则函数退出,找到位置。否则执行3。
- target中的字符后移一位,继续执行1。
下面是代码
// KMP模式匹配.cpp : 定义控制台应用程序的入口点。
//
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
bool Match(const char *target,const char *pattern,int& pos)
{
int i,j,k;
for (i=0 ; i<=strlen(target)-strlen(pattern) ; i++)
{
for (j=0 ; j<strlen(pattern) ; j++)
{
if (*(target+i+j)!=*(pattern+j))
break;
}
if (j>=strlen(pattern))
{
pos=i+1;
return true;
}
}
return false;
}
int main(void)
{
char *a="goodgoogle";
char *b="google";
int pos=0;
if (Match(a,b,pos))
{
printf("pos=%d\n",pos);
}
return 0;
}
KMP模式匹配。
在暴力算法中可能会出现重复的情况,例如:
目标串: annabcdanacadsannannabnna
模板串: annan
在标注红字的地方首次失配,在暴力算法中,下次匹配从目标串的第二个字符开始,再重新对模板串进行匹配:
目标串: annabcdanacadsannannabnna
模板串: annan但是我们发现模板串是有一定性质的。即首尾有重复的字符。失配前的字符'a'和模板的首字符'a'相同,下次可以直接将首字符对准失配前的字符,从当前失配的字符'b'开始匹配。这样目标串中的字符每个只检查了一次,减少了重复匹配,如果模板串,在失配的字符前有n个字符是首尾相同的,那么在失配后,就可以直接将模板的前n个字符和目标串失配字符前对准,从失配的字符开始下一轮匹配。
目标串: annabcdanacadsannannabnna
模板串: annan
这就是KMP算法的精髓。可以看出来,首先要确定“模板串,在失配的字符前有n个字符是首尾相同的”。关键是模板的性质。
“annan”,如果在第一位失配,这个比较特殊,没有首尾。
如果在第二位失配,这个比较特殊,没有首尾。
如果在第三位失配,首尾相同的字符有0个。
如果在第四位失配,首尾相同的字符有1个。
如果在第五位失配,首尾相同的字符有2个。
这样就可以建立一个索引数组
index[]={0,0,0,1,2};除j=0时失配外,当模板的第j位失配时,下一次就从模板的index[j-1]位开始匹配(字符串从0位开始),目标串直接从当前失配的位置开始。
如果是j=0就失配,那么下一轮模板直接从j=0开始,目标串从下一位开始。
这是KMP匹配算法的代码
bool KmpMatch(const char *target,const char *pattern,int& pos)
{
if (!target||!pattern)
return false;
int *index=(int*)malloc(sizeof(int)*strlen(pattern));
if (!index)
exit(-1);
GetIndexNew(pattern,index);
int i=0,j=0;
for (i=0 ; i<=strlen(target)-(strlen(pattern)-j) ; )
{
while (j<strlen(pattern))
{
if (target[i]==pattern[j])
{
i++;
j++;
}
else
{
if (j==0)
i++;
else
j=index[j-1];
break;
}
}
if (j>=strlen(pattern))
{
pos=i-j+1;
return true;
}
}
return false;
}
写的有点罗嗦,等看了其他人的代码再优化。
下面是写出index数组的算法。
index数组一共有n位,第0位肯定为0;
假设当前在计算第i(i>0)位,之前的0~i-1位都是计算好的。那么i-1位就是保存着模板串中0~i-1位有几个数字是首尾相同的。
直接比较第i位,和第index[i-1]位,如果相同,那么index[i]=index[i-1]+1,如果不同,那么就从新比较模板中第i位和第0位,相同index[i]=1,不同index[i]=0。
那么可以写出代码:
void GetIndexNew(const char *pattern,int *index)
{
int i;
index[0]=0;
for (i=1;i<strlen(pattern);i++)
{
if (pattern[i] == pattern[ index[i-1] ])
index[i]=index[i-1]+1;
else if (pattern[i] == pattern[0])
index[i]=1;
else
index[i]=0;
}
}
在jully的博客中有详细介绍http://blog.csdn.net/v_july_v/article/details/7041827,我只是按照我的理解做个笔记。