首先找到一本系统介绍字符串匹配的书
http://d.download.csdn.net/down/1951661/ld6886
有兴趣可以看下
一、标准库函数
在C/C++语言编程过程中,一般的字符串搜索操作都是通过标准库的strstr()函数来完成的,这在通常的情况下,因为字符串的搜索操作不多,并不会产生效率问题。
原函数为:char* strstr(const char* src, const char* patn),返回参数src指向的指定字符串中首次出现参数patn指定字符串的指针。
二、BF算法
BF算法的设计思想是将主串S的第一个字符和模式串T的第一个字符比较,若相等,则继续比较后续字符;若不相等,则从主串S的第二个字符起,重新与T的第一个字符比较,直至主串S的一个连续子串字符序列与模式串T相等,返回值为S中与T匹配的子序列第一个字符的序号,即匹配成功;否则,匹配失败,返回-1。最坏的情况下,时间复杂度为0(strlen(S)*strlen(p))。
int match(const char* S, const char* p)
{
int i=0,j=0;
while(i<strlen(S)&&j<strlen(p))
{
if(S[i]==p[j])
{
i++;j++;
}
else
{
i++;
j=0;
}
}
if(j==strlen(p))
return i-j;
else return -1;
}
三、KMP(Knuth-Morris-Pratt)算法
kmp算法是改进的一种快速模式匹配算法。
KMP算法通过预先计算模式字符串中相应字符处的回溯索引,避免了模式匹配时不必要的回溯操作,从而提高了效率,将时间复杂度变成了O(m+n)。至于更加详细的内容,请教Google老师是个不错的注意。
KMP算法因为要保存每个字符的回溯索引,所以空间复杂度会略微有所增加,即辅助数组next的空间大小:sizeof(idx)*length(pattern) 。
另外,当n比较小时,建立回溯索引所引入的O(m)个时间复杂度也许并不轻松。这些条件致使KMP算法适用于n和m都比较大,且字符串搜索操作比较频繁的环境。
在学习这个算法的过程中,将Linux内核中的源代码搬到了这里:
void kmp_init(const char *patn, int len, int *next)
{
int i, j;
next[0] = 0;
for (i = 1, j = 0; i < len; i ++) {
while (j > 0 && patn[j] != patn[i])
j = next[j - 1];
if (patn[j] == patn[i])
j ++;
next[i] = j;
}
}
int kmp_find(const char *text, int text_len, const char *patn,
int patn_len, int *next)
{
int i, j;
for (i = 0, j = 0; i < text_len; i ++ ) {
while (j > 0 && text[i] != patn[j])
j = next[j - 1];
if (text[i] == patn[j])
j ++;
if (j == patn_len)
return i + 1 - patn_len;
}
return -1;
}
四、BM算法
BM算法和KMP算法一样,也是构造一个辅助的模式函数来加速匹配的速度。和KMP的模式函数相比BM的模式函数更加的简单:
void make_next(const char p[], int next[])
{
for(int i = 0; i < strlen(p); i++)
next[p[i]] = i;
}
BM算法的辅助数组大小之和匹配串的字符集大小相关(一般情况下也就是ASCII字符集,256个字符)。
当然如果出现重复的字符,那么记录的就是这个字符最后出现的位置。
#include <string.h>
#include <stdio.h>
#include <stdlib.h>
/* 辅助数组,取决于字符集和,默认的采用 ASCII字符集,256个元素*/
#define LEN 256
int BMMatcher(char *s, char *p, int index, int position[])
/*
参数说明:
char *s: 匹配串
char *p: 模式串
int index: 模式串匹配的起始位置,是匹配串的索引
int position[] 辅助数组,
*/
{
int len = strlen(s);
int i,j, nextindex;
i = strlen(p)-1;//减1是因为要去掉最后的那个'/0'
j = index+strlen(p)-1;//第一次调用 BMMatcher 时 index = 0,因为下面的 for 循环是从模式串的末尾开始比较,所以匹配串的初始比较位置应该是从开头数模式串长度个位置开始。
for(; i>=0; i--, j--)
{
if(s[j] != p[i])
break;
}
if(i<0)
return 0; /*匹配成功*/
else if(position[s[j]]>0)//当出现不匹配时,查看匹配串当前位置的字符有没有出现在模式串中
nextindex = index + i - position[s[j]]; //index 是当前的匹配串起始偏移量,i 是模式串还剩的比较字串数目, position[s[j]]是所出现的第一个不匹配的字符在匹配串中的位置。这样下次比较就从匹配串中出现 s[j] 的位置开始比较
else nextindex = index + 1;
if(nextindex > LEN-strlen(p))
return -1; /*匹配失败,无法进行下一次匹配*/
else
return nextindex; /*匹配失败,需要下一次匹配*/
}
/*测试, 匹配串 和 模式串都使用小写字符*/
int main()
{
int position[LEN]={0}; /*辅助数组*/
char *src="it is just a test, what would you do?"; /*匹配串*/
char *patten="what would"; /*模式串*/
int i, nextindex, index=-2, pos=0;
for(i=0; i<strlen(patten); i++) /*构造辅助数组,关键的一步,但是很简单*/
position[patten[i]]=i;
index = BMMatcher(src, patten, 0, position);
while(!(index==-1 || index==0)) /*循环匹配,直到匹配成功,或者匹配失败结束*/
{
nextindex = index;
index = BMMatcher(src, patten, nextindex, position);
}
if(index == -1)
printf("Can not find it/n");
if(index == 0)
printf("Find it, the index is: %d./n", nextindex);
return 0;
}