6.2 KMP模式匹配算法
文章目录
如果你没有看过6.1的话,我建议回头看看,因为这是基于6.1的补充,下面是链接:
串的实现详解和朴素的模式匹配算法
6.2.1 KMP模式匹配算法原理
KMP模式匹配算法是优于朴素匹配算法的,假设有主串S="abcdefgh"
,子串T="abcdx"
,如果使用朴素匹配算法,会是下面这种情况:
第一次匹配的时候,在第五个位置已经匹配失败,但是朴素匹配算法还要将i回溯,其实没有必要,第一次匹配失败后可以直接使i=6
,即不修改i的值,只需要修改j值,如下图:
我们再来看下面一种情况,主串是S="abcababc"
,子串是T="abcab"
在左图,子串中第四位的a和第五位的b已经和主串相应位置在第一次比较过了,所以子串中的第一位的a,第二位的b,和主串中第四位,第五位肯定相同,没有必要比较,所以j不需要回溯成1,只需要回溯成3就可以。
所以j回溯和主串无关,只和子串前后缀相似度
有关。因此,我们需要一个next数组,来表示子串的相似度,可以来确定回溯到哪里。
6.2.2 next数组的推导
子串 T="abcdx"
,推导图如下:
在图①,next[1]默认等于0,当T[k]==T[i]
的时候,i和k都加1,将k赋值给next[i]。当T[k]!=T[i]
的时候,k值回溯,将next[k]的值赋值给k。
代码如下:
/*获取next数组*/
void get_next(String T,int *next){
int i,k;
i=1;
k=0;
next[1]=0;
while(i<T[0]){
if(k==0 || T[i]==T[k]){
++i;
++k;
next[i]=k;
}else{
k=next[k]; //k回溯
}
}
}
6.2.3 利用next数组匹配
利用next数组匹配,与朴素模式匹配算法相比,除了i值不需要回溯,还要j通过next数组回溯,而不是直接j=1,代码如下:
/*返回子串T在主串S中第pos个字符之后的位置*/
int Index_KMP(String S,String T,int pos){
int i = pos; //S的下标
int j = 1; //T的下标
int next[255];
get_next(T,next);
while(i<=S[0] && j<=T[0]){
if(j==0 || S[i]==T[j]){
++i;
++j;
}else{
j = next[j]; //j退回合适位置,i不变
}
}
if(j>T[0]){
return i-T[0];
}else{
return 0;
}
}
6.2.4 KMP模式匹配优化-----优化next数组
假设有子串T="aaaaab"
,主串S="aaacdefgh"
。子串T的next数组为0 1 2 3 4 5
,当第一次匹配失败的时候(i=4,j=4),j回溯,j=next[j]=next[4]=3
,其实j=3处,还是字母a,先前比较过一次,没有必要再进行比较,j应该回溯成0。所以引入一个nextval数组,来完成这种回溯。
代码如下:
/*改良版nextval数组*/
void get_nextval(String T,int *nextval){
int i,k;
i=1;
k=0;
nextval[1]=0;
while(i<T[0]){
if(k==0 || T[i]==T[k]){
++i;
++k;
if(T[i]!=T[k])
nextval[i]=k;
else
nextval[i]=nextval[k]; //若和前缀字符相同,则将前缀字符的nextval赋值给在i位置的nextval
}else{
k=nextval[k]; //k回溯
}
}
}
和原本的next数组相比,多了一条判断语句。
6.2.4 测试代码
这边附上完整代码,供给大家测试:
#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#include<time.h>
#include<windows.h>
#define OK 1
#define ERROR 0
#define TRUE 1
#define FALSE 0
#define MAXSIZE 100
typedef int Status;
typedef int ElemType;
typedef char String[MAXSIZE+1]; //0号单元存放串的长度
/*生成一个值为chars的串T*/
Status StrAssign(String T,char *chars){
int i;
if(strlen(chars)>MAXSIZE)
return ERROR;
else{
T[0] = strlen(chars);
for(i=1;i<=T[0];i++){
T[i] = *(chars+i-1);
}
return OK;
}
}
/*清楚串*/
Status ClearString(String S){
S[0] = 0;
return OK;
}
/*输出串*/
void StrPrint(String T){
for(int i=1;i<=T[0];i++){
printf("%c",T[i]);
}
printf("\n");
}
/* 输出Next数组值。 */
void NextPrint(int next[],int length){
int i;
for(i=1;i<=length;i++)
printf("%d",next[i]);
printf("\n");
}
/* 返回串的元素个数 */
int StrLength(String S){
return S[0];
}
/*获取next数组*/
void get_next(String T,int *next){
int i,k;
i=1;
k=0;
next[1]=0;
while(i<T[0]){
if(k==0 || T[i]==T[k]){
++i;
++k;
next[i]=k;
}else{
k=next[k]; //k回溯
}
}
}
/*改良版nextval数组*/
void get_nextval(String T,int *nextval){
int i,k;
i=1;
k=0;
nextval[1]=0;
while(i<T[0]){
if(k==0 || T[i]==T[k]){
++i;
++k;
if(T[i]!=T[k])
nextval[i]=k;
else
nextval[i]=nextval[k]; //若和前缀字符相同,则将前缀字符的nextval赋值给在i位置的nextval
}else{
k=nextval[k]; //k回溯
}
}
}
/*返回子串T在主串S中第pos个字符之后的位置*/
int Index_KMP(String S,String T,int pos){
int i = pos; //S的下标
int j = 1; //T的下标
int next[255];
get_next(T,next);
while(i<=S[0] && j<=T[0]){
if(j==0 || S[i]==T[j]){
++i;
++j;
}else{
j = next[j]; //j退回合适位置,i不变
}
}
if(j>T[0]){
return i-T[0];
}else{
return 0;
}
}
/*改良版KMP匹配*/
int Index_KMP1(String S,String T,int pos){
int i = pos; //S的下标
int j = 1; //T的下标
int next[255];
get_nextval(T,next);
while(i<=S[0] && j<=T[0]){
if(j==0 || S[i]==T[j]){
++i;
++j;
}else{
j = next[j]; //j退回合适位置,i不变
}
}
if(j>T[0]){
return i-T[0];
}else{
return 0;
}
}
/* 朴素的模式匹配法 */
int Index(String S, String T, int pos)
{
int i = pos; /* i用于主串S中当前位置下标值,若pos不为1,则从pos位置开始匹配 */
int j = 1; /* j用于子串T中当前位置下标值 */
while (i <= S[0] && j <= T[0]) /* 若i小于S的长度并且j小于T的长度时,循环继续 */
{
if (S[i] == T[j]) /* 两字母相等则继续 */
{
++i;
++j;
}
else /* 指针后退重新开始匹配 */
{
i = i-j+2; /* i退回到上次匹配首位的下一位 */
j = 1; /* j退回到子串T的首位 */
}
}
if (j > T[0])
return i-T[0];
else
return 0;
}
int main(){
int i,*p;
String s1,s2;
StrAssign(s1,"abcdex");
printf("子串为: ");
StrPrint(s1);
i=StrLength(s1);
p=(int*)malloc((i+1)*sizeof(int));
get_next(s1,p);
printf("Next为: ");
NextPrint(p,StrLength(s1));
printf("\n");
StrAssign(s1,"abcabx");
printf("子串为: ");
StrPrint(s1);
i=StrLength(s1);
p=(int*)malloc((i+1)*sizeof(int));
get_next(s1,p);
printf("Next为: ");
NextPrint(p,StrLength(s1));
printf("\n");
StrAssign(s1,"ababaaaba");
printf("子串为: ");
StrPrint(s1);
i=StrLength(s1);
p=(int*)malloc((i+1)*sizeof(int));
get_next(s1,p);
printf("Next为: ");
NextPrint(p,StrLength(s1));
printf("\n");
StrAssign(s1,"aaaaaaaab");
printf("子串为: ");
StrPrint(s1);
i=StrLength(s1);
p=(int*)malloc((i+1)*sizeof(int));
get_next(s1,p);
printf("Next为: ");
NextPrint(p,StrLength(s1));
printf("\n");
StrAssign(s1,"ababaaaba");
printf(" 子串为: ");
StrPrint(s1);
i=StrLength(s1);
p=(int*)malloc((i+1)*sizeof(int));
get_next(s1,p);
printf(" Next为: ");
NextPrint(p,StrLength(s1));
get_nextval(s1,p);
printf("NextVal为: ");
NextPrint(p,StrLength(s1));
printf("\n");
StrAssign(s1,"aaaaaaaab");
printf(" 子串为: ");
StrPrint(s1);
i=StrLength(s1);
p=(int*)malloc((i+1)*sizeof(int));
get_next(s1,p);
printf(" Next为: ");
NextPrint(p,StrLength(s1));
get_nextval(s1,p);
printf("NextVal为: ");
NextPrint(p,StrLength(s1));
printf("\n");
StrAssign(s1,"00000000000000000000000000000000000000000000000001");
printf("主串为: ");
StrPrint(s1);
StrAssign(s2,"0000000001");
printf("子串为: ");
StrPrint(s2);
printf("\n");
printf("主串和子串在第%d个字符处首次匹配(朴素模式匹配算法)\n",Index(s1,s2,1));
printf("主串和子串在第%d个字符处首次匹配(KMP算法) \n",Index_KMP(s1,s2,1));
printf("主串和子串在第%d个字符处首次匹配(KMP改良算法) \n",Index_KMP1(s1,s2,1));
system("pause");
return 0;
}
运行结果:
子串为: abcdex
Next为: 011111
子串为: abcabx
Next为: 011123
子串为: ababaaaba
Next为: 011234223
子串为: aaaaaaaab
Next为: 012345678
子串为: ababaaaba
Next为: 011234223
NextVal为: 010104210
子串为: aaaaaaaab
Next为: 012345678
NextVal为: 000000008
主串为: 00000000000000000000000000000000000000000000000001
子串为: 0000000001
主串和子串在第41个字符处首次匹配(朴素模式匹配算法)
主串和子串在第41个字符处首次匹配(KMP算法)
主串和子串在第41个字符处首次匹配(KMP改良算法)
请按任意键继续. . .