数据结构——字符串匹配基础

字符串匹配基础

字符串匹配算法有很多，首先讲一下BF算法和RK算法。RK算法是BF算法的改进，借助了前面讲的哈希算法来实现高效字符串匹配。

BF算法

BF算法是Brute Force的缩写，中文叫作暴力匹配法，也叫朴素匹配算法。首先要了解主串和模式串的概念。比如我们在字符串A中查找字符串B，则A为主串，B为模式串。若主串长度为n，模式串长度为m，则n>m。

BF算法作为最简单、最暴力的字符串匹配算法。在主串中检查起始位置分别是0、1、2、…、n-m且长度为m的n-m+1个子串，看是否有和模式串匹配。

最坏情况下，要比对n-m+1次，每次要比对m个字符。故最坏情况时间复杂度为O($n\ast m$)。

尽管时间复杂度很高，但在实际开发中，它比较常用，因：

（1）实际开发中，主串和模式串都不会太长。匹配时，若中途遇到不能匹配的字符，就可以停止了。在大部分情况下，算法执行效率比O($n\ast m$)要高得多。

（2）该匹配算法思想简单，代码实现也很简单。

def BF(a,b):  #a为主串，b为模式串
    n = len(a)
    m = len(b)
    for i in range(n-m+1):
        for j in range(m):
            if a[i+j]!=b[j]:
                break
            if j == m-1:
                return i
        if i == n-m+1:return -1

RK算法

在BF算法的基础上引入了哈希算法：通过哈希算法对主串中的n-m+1个子串分别求哈希值，然后逐个与模式串的哈希值比较大小。如果某个子串的哈希值与模式串相等，那就说明相应的子串和模式串匹配。因为哈希值是一数字，判断数字之间比较是否相等是非常快速的，因此比较效率就提高了。

不过提高哈希算法计算子串的哈希值时，需遍历子串中的每个字符。尽管比较的效率提高了，算法的整体效率并没有提高。

如何提高哈希算法计算子串哈希值的效率？这就需要哈希算法设计的有技巧。假设要匹配的字符串的字符集中只包含K个字符，可以用K进制数来表示一个子串。这个K进制数转化成十进制数，作为子串的哈希值。举个例子，比如要处理的字符串只包含a-z这26个小写字母，那就用二十六进制来表示一个字符串。把a-z映射到0-25这26个数字，