数据结构系列-8 串

 

1.定义

串就是字符串，是0个或者多个字符组成的有序序列。

2.串的操作：

1. 赋值操作
2. 获取长度操作
3. 串比较操作
4. 串连接操作
5. 求子串操作：求给定字符串，从某一位置开始，到某一位置结束的串的操作
6. 串清空操作

 3.串的模式匹配算法       

1. 幼稚字符匹配算法（优点容易理解，缺点效率低）
   1. 匹配串和原字符串对齐，
   2. 依次比较，是否所有字符串相同。
   3. 如果不相同，匹配串开始下班，和原字符串第二个对齐，比较指针指向匹配串开头（称为回溯）重新开始比较
   4. 如果再发现不同，匹配串移动到，原字符和第三位置对齐，比较指针回溯。重新比较，依次类推。
2. KMP算法

（1）算法原理说明

        KMP和幼稚算法的大体步骤相同，但是比较到不同位置后，回溯和重新对齐的位置不同。     

  假如，我们有两个字符串，（原字符串:ABBABBABABAAABABAAAA,模式串:ABBABAABABAA）我们我们是比较了多个才发现不同，比如6个，如下。

第一次比较，我们再横线处发现不同。
    原字符串:ABBAB|BABABAAABABAAAA
    模式串  :ABBAB|AABABAA

  如果是幼稚模式我们会这样，模式串左移一位，比较指针，回溯到模式串开头。
        A|BBABBABABAAABABAAAA
         |ABBABAABABAA

  可是其实我们已经比较过5个字符串，这些比较过的字符，比较指针根本不用用回溯。模式串则可以移动3位     
    原字符串:ABBAB|BABABAAABABAAAA
    模式串  :   AB|BABAABABAA
  为什么是三位不是5位，我们看一下比较串中已经比较的5位(AB)B(AB),主意括号括起来的部分是一样的，其实我们只敢确定(AB)B是不同的，从原字符串中 ABB(AB)|BABABAAABABAAAA 和(AB)B(AB)中(AB)B后面部分又有可能是相同的了。这个匹配串中相同的部分，我们就叫公共前后缀。
    所以，KMP算法的核心就是：
        1.比较指针不回溯（比较变成O(n)）
        2.模式串，从前缀移动到后缀位置。
            

2. next 数组

 还是上面这个例子（原字符串:ABBABBABABAAABABAAAA,模式串:ABBABAABABAA）
    原字符串:ABBAB|BABABAAABABAAAA
    模式串  :ABBAB|AABABAA

如果我们每次发现，不同，都取出匹配串前面的子串，再计算出，公共前后缀的大小，再回溯，其实也是很费时的。索性一旦确定子串，子串的公共前后缀就确定了。我们需要移动子串的位置就是，子串长度-公共子串大小。 我们可以利用匹配串提前算出这些信息并且存到一个数组里。逻辑对应关系如下。
注意：next数组的1位置代表 匹配串第一个字符不是0


模式串       :   A B B A B A A B A B  A  A
数组下标     : 0 1 2 3 4 5 6 7 8 9 10 11 12
匹配串移动数 : 0 0 1 1 1 2 3 2 2 3  2  3  2

next数据计算规则如下：
特殊情况1：1的位置，不匹配固定是 0，这时，比较指针，和匹配串一起向前移动一位
特殊情况2: 2的位置，1匹配，二不匹配，比较串移动一位。
特殊情况3：前两个位置匹配，第三位置匹配，也是固定移动一位
情况4    ：A B B 没有前后缀,值为1
情况5    ：A B B A 公共前后缀为A,值为2 (公共前后缀数加1)
情况6    ：A B B A B 公共前后缀为AB,值为3(公共前后缀数加1)

注意前后缀的原则是：
前后缀是最大前后缀，但是不是子串本身。


//next 数组算法c语言实现

void getnext(char ch[],int length, int next[]){//length为串的长度
   
    next[1]=0;
    int i=1, j=0;
    while(i<length){ 
        if(j==0|| ch[i]== ch[j]){ //j是上一次确定可以移动的位置，i是已经比较过的位置
                                  //
            ++i;
            ++j;
            next[i] = j;
        } else {
            j=next[j];
        }

    }
}