目录
第四章：串
4.1串的定义和实现
4.1.1串的定义
-
串: 零个或多个字符组成的有限序列，如 S = ‘iPhone 11 Pro Max?’；
-
-
串名：S是串名；
-
串的长度：串中字符的个数n；
-
空串：n=0时的串；
-
子串：串中任意多个连续的字符组成的子序列称为该串的子串；
-
主串：包含子串的串；
-
字符在主串中的位置：某个字符在串中的序号（从1开始）；
-
子串在主串中的位置：子串的第一个字符在主串中的位置；
空串 V.S 空格串：
- M = ‘’ 是空串；
- N = ’ ’ 是空格串；
串 V.S 线性表：
- 串是特殊的线性表，数据元素之间呈线性关系（逻辑结构相似）；
- 串的数据对象限定为字符集：中文字符、英文字符、数字字符、标点字符…
- 串的基本操作，如增删改除通常以子串为操作对象
4.1.2串的基本操作
StrCompare(S, T) 串的比较操作，参照英文词典排序方式；若S > T,返回值>0; S = T,返回值=0 (需要两个串完全相同) ; S < T,返回值<0;
字符集编码
4.1.3串的存储结构
1. 定长顺序存储表示
#define MAXLEN 255 //预定义最大串长为255
typedef struct{
char ch[MAXLEN]; //静态数组实现（定长顺序存储）
//每个分量存储一个字符
//每个char字符占1B
int length; //串的实际长度
}SString;
串长的两种表示法：
-
方案一：用一个额外的变量length来存放串的长度（保留ch[0]）；
-
方案二：用ch[0]充当length；
优点：字符的位序和数组下标相同；
缺点： 字符串长度0-2^8-1 -
方案三：没有length变量，以字符’\0’表示结尾（对应ASCII码的0）；
缺点：需要从头到尾遍历； -
方案四——最终使用方案：ch[0]废弃不用，声明int型变量length来存放串的长度（方案一与方案二的结合）
基本操作实现（基于方案四）
#define MAXLEN 255
typedef struct{
char ch[MAXLEN];
int length;
}SString;
// 1. 求子串
bool SubString(SString &Sub, SString S, int pos, int len){
//子串范围越界
if (pos+len-1 > S.length) //pos+len-1是因为这样子是最后一个元素的位置
return false; //如下边的i<pos+len，就是i最大值是pos+len-1
for (int i=pos; i<pos+len; i++)
Sub.cn[i-pos+1] = S.ch[i];
Sub.length = len;
return true;
}
// 2. 比较两个串的大小
int StrCompare(SString S, SString T){
for (int i; i<S.length && i<T.length; i++){
if(S.ch[i] != T.ch[i])
return S.ch[i] - T.ch[i];
}
//扫描过的所有字符都相同，则长度长的串更大
return S.length - T.length;
}
// 3. 定位操作
int Index(SString S, SString T){
int i=1;
n = StrLength(S);
m = StrLength(T);
SString sub; //用于暂存子串
while(i<=n-m+1){ //n-m+1是最后一个能取到长m的字串的位置，所以可以等于
SubString(Sub,S,i,m);
if(StrCompare(Sub,T)!=0)
++i;
else
return i; // 返回子串在主串中的位置
}
return 0; //S中不存在与T相等的子串
}
2. 堆分配存储表示
堆存储结构的特点：仍以一组空间足够大的、地址连续的存储单元依次存放字符序列，但它们的存储空间是在程序执行过程种动态分配的 。
通常，C语言提供的串类型就是以这种存储方式实现的。由动态分配函数malloc()分配一块实际串长所需要的存储空间（“堆”），如果分配成功，则返回此空间的起始地址，作为串的基址。由free()释放串不再需要的空间
堆存储结构的优点：堆存储结构既有顺序存储结构的特点，处理（随机取子串）方便，操作中对串长又没有任何限制，更显灵活，因此在串处理的应用程序中常被采用。
//动态数组实现
typedef struct{
char *ch; //按串长分配存储区，ch指向串的基地址
int length; //串的长度
}HString;
HString S；
S.ch = (char *) malloc(MAXLINE * sizeof(char)); //基地址指针指向连续空间的起始位置
//malloc()需要手动free()
S.length;
3. 串的链式存储
typedef struct StringNode{
char ch; //每个结点存1个字符
struct StringNode *next;
}StringNode, * String;
问题：存储密度低，每个字符1B，每个指针4B（32位的机器上）；
解决方案：每一个链表的结点存储多个字符——每个结点称为块——块链结构
typedef struct StringNode{
char ch[4]; //每个结点存多个个字符
struct StringNode *next;
}StringNode, * String;
结合链表思考优缺点
- 存储分配角度：链式存储的字符串无需占用连续空间，存储空间分配更灵活；
- 操作角度：若要在字符串中插入或删除某些字符，则顺序存储方式需要移动大量字符，而链式存储不用；
- 若要按位序查找字符，则顺序存储支持随机访问，而链式存储只支持顺序访；
知识回顾
4.2串的模式匹配
模式匹配：子串的定位操作称为串的模式，它求的是子串（常称模式串）在主串中的位置。
4.2.1朴素模式匹配算法
n-m+1主串中能有的串个数
int Index(SString S, SString T){
int i=1; //扫描主串S
int j=1; //扫描模式串T
while(i<=S.length && j<=T.length){
if(S.ch[i] == T.ch[j]){
++i;
++j; //继续比较后继字符
}
else{
i = i-j+2; //回到这次匹配的第一个位置之前+1得到匹配的第一个位置
//再+1才能得到下一次匹配的第一个位置
j=1; //指针后退重新开始匹配
}
}
if(j>T.length) //匹配成功，返回第一个字符位置
return i-T.length;
else
return 0;
}
时间复杂度分析：
主串长度为n，模式串长度为m
最多比较n-m+1个子串
- 最坏时间复杂度 = O(nm)
每个子串都要对比m个字符(对比到最后一个字符才匹配不上)，共要对比n-m+1个子串，复杂度 = O((n-m+1)m) = O(nm - m^2 + m) = O(nm)
PS:大多数时候，n>>m - 比较好时间复杂度 = O(n)
每个子串的第一个字符就匹配失败，共要对比n-m+1个子串，复杂度 = O(n-m+1) = O(n)
匹配一次就匹配成功：O（m）
4.2.2改进的模式匹配算法——KMP算法
不匹配的字符之前，一定是和模式串一致的；
根据模式串T，求出next数组（只与模式串有关，与主串无关），利用next数组进行匹配，当匹配失败时，主串的指针 i 不再回溯！
next数组是根据子串求出来的，当前面的字符串已知时如果有重复的，从当前的字符匹配即可。
1. 求next数组
- 作用：当模式串的第j个字符失配时，从模式串的第next[j]继续往后匹配;
- 对于任何模式串，当第1个字符不匹配时，只能匹配下一个子串，因此，next[1] = 0——表示模式串应右移一位，主串当前指针后移一位，再和模式串的第一字符进行比较；
- 对于任何模式串，当第2个字符不匹配时，应尝试匹配模式串的第一个字符，因此，next[2] = 1;
分界线后的第一个元素的位序就是next[j]的值
2. 利用next数组进行模式匹配
int Index_KMP(SString S, SString T, int next[]){
int i=1; //主串
int j=1; //模式串
while（i<S.length && j<=T.length){
if(j==0 || S.ch[i]==T.ch[j]){ //第一个元素匹配失败时
++j;
++i; //继续比较后继字符
}
else
j=next[j] //模式串向右移动
}
if(j>T.length)
return i-T.length; //匹配成功
}
3. 时间复杂度分析
- 求next数组时间复杂度 = O(m)
- 模式匹配过程最坏时间复杂度 = O(n)
- KMP算法的最坏时间复杂度 = O(m+n)
4.2.3 next数组的优化思路nextval，优化KMP
如果next[j]的值对应的模式串的值相等，则说明就算跳转到这个位置也一样匹配失败，所以nextval[j]的值就是next[j]的值减一，再判断还会不会一样。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
