算法回顾 - 查找文本串子序列

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/junxing2018_wu/article/details/108210839

有一个文本串T, 和一个模式串P, 现在要查找P在T中的位置, 怎么查找呢？

本文参数说明

• target: 文本串
• pattern: 模式串
• i: 文本串target索引指针
• j: 模式串pattern索引指针

[worst case] - 暴力匹配

• 简单粗暴
• 基本思路：
  • 逐个比较
    匹配成功时，i 右移一个位置(i=i+1)，j 右移一个位置(j=j+1)，继续比较…
    匹配失败时，i 右移一个位置(i=i-j+1)，j 回到模式串起点(j=0)，继续比较…
  • 直到 j 遍历完 pattern（匹配成功）, 或者 i 遍历完 target （匹配失败）

  def violent_match(target: str, pattern: str):
   """
   暴力匹配
   """
   len_t, len_p = len(target), len(pattern)
   i, j = 0, 0
   while i < len_t and j < len_p:
       if target[i] == pattern[j]:
           # 如果当前字符匹配成功（即t[i] == p[j]）, 则i++, j++
           i += 1
           j += 1
       else:
           # 如果失配（即t[i] != p[j]）, 令i = i - (j - 1), j = 0
           i -= j - 1
           j = 0
  
   # 匹配成功, 返回模式串p在文本串t中的位置, 否则返回-1
   if j == len_p:
       return i - len_p
   else:
       return -1
  

[better case] - kmp 模式串匹配

• 利用已经匹配过的信息，达到跳跃式匹配
• 保持 i 指针不回溯, 只通过修改 j 指针, 让模式串尽量地移动到有效的位置
• 基本思路：
  • 预先扫描模式串 pattern 生成 next 跳转表，指导 j 指针跳转(重难点)
  • 逐个比较
    匹配成功时，i 右移一个位置(i=i+1)，j 右移一个位置(j=j+1)，继续比较…
    匹配失败时，根据 next 跳转表决定 j 指针(下一次从 pattern 哪个位置开始比较)
  • 直到 j 遍历完 pattern（匹配成功）, 或者 i 遍历完 target （匹配失败）
• next跳转表 生成规则:

  • 简单说：只需求模式串 j 指针前面的字符串里前缀与后缀相同的最大长度 k
    理由：pattern[0 ~ k-1] == pattern [j-k ~ j-1] 等价于 此时 pattern 前 k 位已满足文本串
    比如：abcacb >>> [0, 0, 0, 0, 1, 0]

  • 特殊处理：

    • next 跳转表 首位为 -1。指针 j 已经在最左边了, 不可能再移动了, 这时候要 i 指针后移。
      故：abcacb >>> [-1, 0, 0, 0, 1, 0]
    • 避免出现 pattern[j] = pattern[ next[j] ]，此时需要递归, k = pnext[k]
      比如：abab ==> [ -1, 0, 0, 1 ] 改成 [-1, 0, -1, 0]

  def kmp_match(target: str, pattern: str):
      """
      kmp 模式串匹配
      基本思路: 利用已经部分匹配这个有效信息, 
      保持i指针不回溯, 通过修改j指针, 让模式串尽量地移动到有效的位置
      每次匹配失败了, 根据next数组决定下一次从哪个位置开始匹配. 
      从而达到跳跃式匹配 
      """ python
      def gen_next(pattern: str):
          """
          生成指定模式串的next跳转表(循环)
          基本思路: 决定每次匹配失败时, 直接从哪个位置开始比较
          需要提前扫描模式串, 预先知道模式串的前缀与后缀相同的最大长度
          next 每一个元素 = 该元素之前的子串前缀与后缀相同的最大长度
          P[0, k-1] == P[j-k, j-1]  即 next[j] = k
          """
          # 模式串长度
          len_p = len(pattern)
          # 预设next跳转表都为0 (模式串没有相同子序列)
          pnext = [0 for i in range(len_p)]
          # j 已经在最左边了, 不可能再移动了, 这时候要 i 指针后移. 
          # 所以 next 首位为 -1,
          pnext[0] = -1
          k, j = -