RK算法

前言

这篇文章主要讲的字符串的匹配算法,在本文中我将向大家介绍RK算法。我想在此之前很多的人应该都有了解BF算法吧，BF全称Brute Force,翻译过来就是暴力算法，相关案例在我之前写的文章力扣——统计只差一个字符的子串数目可以体现出来。由于这种方法消耗时间复杂度比较大，所以经常在实际开发中不太实用。

1.RK算法

BF算法与RK算法的区别：

BF算法只是简单粗暴地对两个字符串的所以字符依次作比较，而RK算法比较的是两个字符串的哈希值。

比较哈希表是什么意思呢?用过哈希表的朋友都知道，每一个字符都可以通过某一种哈希算法，转换成一个整数型，这个整数型就是hashcode;

hashcode=hash(String)

如： 

给定如下字符串和模式字符串（假定字符串只包含26小写字母）：

主串： abbcefgh

模式串: bce

第一步.我们需要生成模式串的hashcode

由于生成hashcode的算法很多，在我们这，采用按位相加

如：把a当成1，b当成2......然后把字符串的所以字符相加，相加的结果就是它的hashcode.

hash("bce")=2+3+5=10;

第二步：生成主串当中第一个等长子串的hashcode

由于主串通常情况要长于模式串，如果你把整个主串的所以字符全部转化成hashcode，这样比较是没有意义的，我们要比的是和模式串等长的hashcode的值。

即：

hash("abb")=5;

主串：          a b b c e f g h        

主串的第一个与模式串等长的字符hashcode值为5；

模式串：      b c e           hashcode=10;

第三步：比较两个hashcode.

显然5不等于10，，说明第一个字串不匹配。我们继续下一轮比较。

第四步：生成主串当中第二个等长子串的hashcode.

hash("bbc")=7

第五步，比较两个hashcode;

显然7≠10，说明模式串和第二个字串不匹配，我们继续下一轮比较。

第六步，生成主串当中第三个等长子串的hashcode.

hash("bce")=2+3+5=10;

第七步,比较两个hashcode;

10=10,两个hashcode值相等！这样是否说明两个字符串也相等呢?

别高兴得太早，由于存在hash冲突的可能，我们还要进一步验证。

第八步,逐个比较两个字符串；

hashcode的比较只是初步验证，之后我们还要跟BF算法那样，两个字符串逐个比较，最终判断两个字符是否匹配，最后得出结论，模式串 bce是主串abbcefgh的字串，第一次出现的下标是2.

到这大家会不会有个疑问，认为RK算法的时间复杂度和BF算法时间复杂度相同。都是O(mn);

注：m是主串的长度，n是模式串的长度。

这个问题提的好！对于字串的哈希操作计算并不是相互独立的，从第二个字串开始，每个字串的哈希操作都可以上一个子串进行简单增量计算来得到。

什么意思呢？让我们再来看一个例子：

主串：a b b c e f g d e a q f w

hash("abbcefg")=26;

上图中，已知字串的abbcefg的hashcode是26,那么如何计算下一个字串，也就是bbcefgd的hashcode呢?

我们没必要把子串的字符重新进行叠加运算，而是可以采用一个更加简单的方法。由于新子串的前一个少了a,后面多了个d,所以:

新hashcode=旧hashcode-1+4=26-1+4=29;

再下一个子串bcefgde的计算也一样。

新hashcode=旧hashcode-2+5=29-2+5=32;

代码测试：

public class Demo {
   public static int rabinKarp(String str,String pattern){
//       主串的长度
       int m=str.length();
//       模式串的长度
       int n=pattern.length();
//       计算模式串的hash值
       int patternCode=hash(pattern);
//       计算主串中第一个和模式串等长的子串的hash值
       int strCode=hash(str.substring(0,n));
//用模式串的hash值和主串的局部hash值进行比较。
       for(int i=0;i<(m-n+1);i++){
//           如果匹配，则进行精准比较
           if((strCode==patternCode)&&compareString(i,str,pattern)){
               return i;
           }
//           如果不匹配，计算主串中相邻子串的hash值
           if(i<(m-n)){
               strCode=nextHash(str,strCode,i,n);
           }
       }
       return -1;
   }
   private static int hash(String str){
       int hashCode=0;
       for(int i=0;i<str.length();i++){
           hashCode+=(str.charAt(i)-'a');
       }
       return hashCode;
   }
   private static int nextHash(String str,int hash,int index,int n){
       hash-=(str.charAt(index)-'a');
       hash+=(str.charAt(index+n)-'a');
       return hash;
   }
   private static boolean compareString(int i,String str,String pattern){
       String strSub=str.substring(i,i+pattern.length());
       return strSub.equals(pattern);
   }

    public static void main(String[] args) {
        String str="aacdesadsdfer";
        String pattern="adsd";
        System.out.println("第一次出现的位置:"+rabinKarp(str,pattern));
    }
}

RK算法计算模式串的hashcode需要访问n个字符，计算第一个子串的hashcode也需要访问n个字符，后续子串的hashcode是增量计算，有m-n次，所以总的时间复杂度是O(m+n);

RK算法的缺点在于哈希冲突，每一次出现哈希冲突的时候，RK算法都要对字串和模式串进行逐个字符串的比较，如果冲突太多，RK算法就退化成BF算法了。

下一章，我将会想大家介绍另一种字符串匹配算法（KMP算法），这种算法不但高效，而且还稳定。那我们下期再见！！