数据结构 第四章 字符串

字符串

基本概念：主串、子串、串长

存储结构：定长顺序存储、堆分配存储(动态存储)、块链存储

模式匹配算法：暴力匹配法、KMP算法(部分匹配值PM表、next数组、next函数的推理过程)、KMP算法的进一步改进——nextval数组

大纲要求：

掌握字符串模式匹配，

重点掌握KMP模式匹配算法的原理、next数组的推理过程，

手工求next数组(先计算出部分匹配值PM表，再做变形右移一位，+1)，

了解nextval数组的求解方法

---

一、串的定义和实现

---

串的定义

字符串是由零个或多个字符组成的有限序列，一般记为S=‘a1a2…an’

s是串名，单引号括起来的字符序列是串的值，ai可以是字母/数字/其他字符，串中字符个数n为串的长度

子串在主串中的位置：以子串的第一个字符在主串中的位置来表示。

由一个或多个空格(空格是特殊字符)组成的串称为空格串，注意空格串不是空串！

串的数据元素之间呈现线性关系。串的逻辑结构和线性表极为相似，只不过串的数据对象限定为字符集。

但是基本操作上有很大区别：线性表的基本操作中主要以单个元素作为操作对象，字符串的基本操作主要以子串作为操作对象。

---

串的存储结构

1、定长顺序存储

类似于线性表的顺序存储结构，用一组地址连续的存储单元 存储字符序列。

为每个串分配一个固定长度的存储区：定长数组。

优点：可随机访问

缺点：存储空间扩展和收缩不便

2、堆分配存储

仍然以一组地址连续的存储单元 存放字符序列，但存储空间在程序执行过程中动态分配得到。

C语言中，存在一个称为"堆"的自由存储区，用malloc()和free()函数完成动态存储管理。

利用malloc()函数为新产生的字符串分配所需的存储空间（与实际串长度相等），分配成功则返回一个指向起始地址的指针ch，作为字符串的基地址，分配失败则返回null。

3、块链存储(仅作了解)

类似于线性表的链式存储。采用链表方式存储字符串。每个节点（称为"块"）可以存放一个或者多个字符。整个链表称为"块链"。

---

比较字符大小：其实就是比较二进制数的大小。

一个字符与一个二进制数(编码)对应。每个英文字母只占一个字节1B。

串的基本操作

串的最小操作子集(五种操作)：赋值操作、比较操作、求串长、求子串、串联接

其他操作(除了串清除和串销毁)均可在该最小操作子集上实现：复制操作、判空操作

---

串的模式匹配

---

简单的匹配模式算法——朴素模式匹配算法

串的模式匹配：子串的定位操作，求子串(模式串)在主串中的位置(子串第一个字符在主串中的位置)。注意：主串中不一定存在模式串。

暴力匹配算法，采用定长顺序存储：

简单模式匹配算法：最坏时间复杂度为O(nm)。n和m分别为主串和模式串的长度。

简单模式匹配算法-缺点：暴力匹配中，每次匹配失败都要模式串后移一位，再从头开始和主串比较（主串的扫描指针i经常回溯导致时间开销大）

---

 改进的模式匹配算法——KMP算法

改进思路：主串的指针i不回溯，只有模式串的指针j回溯。——KMP算法

如果在已经匹配相等的前缀序列中，有某个后缀刚好是模式串的前缀，就可以将模式串向后滑动到与这些相等字符对齐的位置，主串指针i无需回溯，并从该指针i位置继续比较。

概念：字符串的前缀、后缀、部分匹配值

前缀：除掉最后一个字符以外的部分 的所有子串

后缀：除掉第一个字符以外的部分 的所有子串

部分匹配值：字符串的前缀和后缀的 最长相等前后缀长度

★以'ababa'为例子说明：手动挨个查看，得到字符串的部分匹配值

 将部分匹配值写成数组形式——部分匹配值表(PM表)

用PM表进行匹配的过程：

KMP算法：时间复杂度为O(n+m)。n和m分别为主串和模式串的长度。与简单模式匹配算法相比，大大提高了匹配效率。

---

KMP算法的原理

？？？？？？？

对KMP算法的改进——next数组（两种表示方式）

PM表： 

将PM表右移一位，第一个位置空缺用-1填充。——得到next数组

---

有时为了公式更加简洁，再将next数组整体+1。

使得next[0]=0

---

★最终得到子串指针变化公式：j = next[ j ]

next[ j ]的含义：在子串的第 j 个字符与主串的第 i 个字符发生失配时，主串指针i不动，子串指针 j 跳到子串的next[ j ]位置，重新与主串当前位置进行比较。

实际匹配过程中，子串在内存中是不会动的，是指针在变化。

特别的，当j=1时——当模式串的第一个字符与主串第 i 个字符发生失配时，从主串的下一个位置(i+1)和模式串的第一个字符继续匹配。

---

考研求next数组一般用手算，不用代码。

KMP的匹配算法（代码）在形式上与简单的模式匹配算法很相似。

不同之处仅在于：当失配时，主串指针 i 不变（主串指针不回溯），模式串指针 j 退回到next[ j ]的位置，并与主串当前位置重新进行比较。若主串的第 i 个位置与模式串的第一个字符不匹配，应从主串的第i+1个位置继续匹配。

KMP算法的进一步优化——nextval数组

next数组在某些情况下还有缺陷（还会进行重复的比较），进一步优化。

s代表主串，p代表模式串：当pj=pnext[ j ]时，其实就没必要再拿pnext[ j ]和主串再次比较了，结果肯定是继续失配。

如果出现pj=pnext[ j ]时，该怎么处理？——将next[ j ]修正为next[ next[ j ] ]，直至两者(pj和p…)不相等为止。

更新后的数组命名为nextval数组：

题型：求nextval数组

1、先手算写出next数组（注意使next[0]=0）

2、先令nextval[0]=0，再从左到右 依次求出后面元素的nextval。

---

例题演示求nextval数组：