字符串匹配算法是我在公司面试时候的一道算法题,当时用的还是最基本的暴力枚举法写出来的吧,之前看过的KMP算法,Rabin-Karp算法都没用上,今天就来总结一下字符串匹配的几种算法吧。
一、暴力匹配法:
这应该是万能算法了,但性能比较差,它的过程就是在[0,n-m]范围内,查找是否存在一个s,0<=s<=m,是得P[1..m] = T[s+1,...,s+m]。最坏情况下外层for循环次数为n-m+1, 内层for循环执行m次,所以算法复杂度是O(m(m-n+1))。
代码如下:
package p_14_matchstr;
public class MatchString {
public int match1(String P, String T) {
for(int i=0; i<T.length()-P.length(); i++) {
for(int j=0; j<P.length(); j++) {
if(P.charAt(j) == T.charAt(i+j) && j == P.length()-1) {
return i;
}else if(P.charAt(j) != T.charAt(i+j)) {
break;
}
}
}
return -1;
}
public static void main(String[] args) {
// TODO Auto-generated method stub
String T = "abcabaabcabac";
String P = "abaa";
RabinKarp rk = new RabinKarp(T, P, 26, 29);
MatchString ms = new MatchString();
System.out.println(ms.match1(P, T));
int s = rk.matchRK();
System.out.println("Valid shift is: "+ s);
}
}
二、进阶版 Rabin-Karp版本:该算法在实际运用中,表现不错,RK算法需要O(m) 时间做预处理,在最坏情况下,该算法的复杂度与枚举法一样都是,O((n - m + 1) m).但在实际运用中,最坏情况极少出现。
对于一个长度为m的字符串P[1…m],用p表示该字符串对应的含有m个数字的整形数,我们用ts 来表示T[s+1, … , s+m] 这m个字符对应的整形数值,不难发现,当两个数值相等时,这两个数值对应的字符串就相等,也就是当且仅当p = ts 有 P[1…m] = T[s+1,…,s+m]。
将字符串转换成数字:p = P[m] + 10(P[m-1]+10(P[m-2]+...+(10P[2]+P[1])...)
如果不是该字符串,计算下一个数ts
1,公式:
计算一次的复杂度为O(1), 计算t0,... ,t
n-m是需要O(n - m + 1),所以时间复杂度O(n-m+1)。
但是这个方法有一个缺点,就是如果数非常大的情况下可能会导致溢出。(当两个过大的数值比较大小时,CPU需要多个运算周期来进行,这样两数比较,我们就不能假定他们可以在单位时间内完成了。处理这种情况的办法可以采用求余。但是p,ts求余后又会引入新问题:数值相等但是字符串不匹配。这就需要在两个求余后的数相等的情况下,再去逐个匹配每个字符。
代码实现:
package p_14_matchstr;
public class RabinKarp {
private String T, P;
private int d, q;
private int n, m;
private int k = 1;
public RabinKarp(String T, String P, int d, int q) {
this.T = T;
this.P = P;
this.d = d;
this.q = q;
n = T.length();
m = P.length();
for(int i=0; i<m; i++){
k = k*d;
k %= q;
}
}
public int matchRK(){
int p = 0;
int t = 0;
for(int i=0; i<m; i++){
p = (d*p + (P.charAt(i) - 'a')) % q;
t = (d*t + (P.charAt(i) - 'a')) % q;
}
for(int i=0; i<n-m; i++){
if(p == t){
for(int j=0; j<m; j++){
if(j == m-1 && P.charAt(j) == T.charAt(j+i)) {
return i;
}else if(P.charAt(j) != T.charAt(j+i)){
break;
}
}
}else{
t = (d*(t-k*(T.charAt(i)-'a'))+T.charAt(i+m)-'a')% q;
if(t < 0){
t += q;
}
}
}
return -1;
}
}