字符串匹配 RK 算法总结

背景

RK算法是通过比较字符串的哈希值来实现字符串匹配，其核心思想是把字符串转换为 N 进制的数字。

本文主要是学习和记录下其实现思想，在日常项目中字符串查找使用 string 的 find 函数即可。

文本转数字

①．10进制转换

string s = "1234";
int size = s.size();
int res = 0;
for (int i = 0; i < size; ++i)
{
    res = res * 10 + (s[i] - '0');
}

②．N 进制转换

对于 10 进制数字，原数字通过乘 10 可以扩展一位，然后在末尾添加新值，同理对于 N 进制，代码如下：

int B ;// 进制
int curNumber ;//当前值
int addNumber ;//要扩展的末位值

curNumber = curNumber * B + addNumber;//末尾扩展一位

字符串匹配 RK 算法

①．概述

由于ASCII 码有256位，因此可以把 ASCII 码表示的字符串转换为 256 位的数字，其实际结果是一个很大的数字，超出了 int 的表示范围，通常会采用求模运算把结果限定在一个固定的范围。

②．代码示例

int rabinKarp(const string &txt, const string &pat)
{
    int patSize = pat.size();//位数
    int B = 256;//进制
    long Q = 165859167;//用作求模,通常找一个较大到素数


    long long patHash = 0;//模式字符串的哈希值
    for (int i = 0; i < patSize; ++i)
    {
        patHash = (( patHash * B ) % Q + pat[i] % Q ) % Q;// (A+B)%Q =（A%Q+B%Q）%Q
    }

    long long BH = 1;//提前计算 B 的 patSize -1 次方，用于移除最高位
    for (int i = 0; i < patSize-1; i++)
    {
        BH = (BH * B) % Q;
    }

    long long currentHash = 0;//当前匹配字符串到哈希值
    int txtSize = txt.size();
    int left = 0, right = 0;//遍历每个子串
    while ( right < txtSize )
    {
         currentHash = (( currentHash * B ) % Q + txt[right] % Q ) % Q;  
         if (right - left +1 == patSize)//长度满足了，再比较内容
         {
             if (currentHash == patHash)//哈希值相同
             {
                 if ( txt.substr(left,patSize) == pat)//真实比较字符串
                 {
                     return left;
                 }
             }
             currentHash = ((currentHash - txt[left] * BH) % Q + Q) % Q;// A%Q = (A+Q)%Q
             left++;
         }
         right++;
    }
    return -1;
}