字符串模式匹配 C语言解析

一、前言

什么叫字符串模式匹配？在主串中找到与模式串相同的子串，并返回其所在位置。

子串——主串的一部分，一定存在

模式串——不一定能在主串中找到

字符串匹配模式有两种算法，第一种是：朴素模式匹配算法，第二种是：KMP算法

二、朴素模式算法 

主串长度为n，模式串长度为m

朴素模式匹配算法：将主串中所有长度为m的子串依次与模式串对比，直到找到一个完全匹配的子串，或所有的子串都不匹配为止。

最多对比 n-m+1 个子串

 当对比到主串第十个字符时，主串中的子串与模式串完全相同，返回是在第几个字符相同的数值。

相关代码：

typedef struct String
{
	char* ch;
	int length;
}SString;

int Index(SString S, SString T)
{
	int i = 1, j = 1;
	while (i <= S.length && j <= T.length)//i没有把主串走完，j没有把模式串走完
	{
		if (S.ch[i] == T.ch[j])
		{
			i++;
			j++;
			//如果相等，则向后继续比较字符
		}
		else
		{
			i = i - j + 2;//i= i - (j-1) + 1 回到主串上次开始的下一个位置
			j = 1;//返回到模式串开头
		}
	}
	if (j > T.length)//说明在主串找到与该模式串相同的子串
	{
		return i - T.length;//返回模式串在主串中第一次出现的位置
	}
	else
	{
		return 0;
	}
}

int main()
{
	SString S = { "abaabaabaabaabc",15 };
	SString T = { "abaabc",6 };
	int ret = Index(S, T);
	printf("%d ", ret);
	return 0;
}

运行结果：

运行的结果与上述分析的结果一致。 

三、KMP算法

KMP算法是朴素模式算法的优化，改进思路是：主串指针不回溯，只有模式串指针回溯

那么主串指针不回溯，模式串指针回溯是什么意思呢？这里用流程图来解释

 当我们模式串于主串进行匹配的时候，当比较到最后一个字符时才发现才发现是不匹配的。

那么我们可以确定，主串的前五个字符是与模式串是一致的，那我们就不再需要比较主串的前五个字符，同时我们因为知道主串的前五个字符，而模式串中开头也是已知的，因此我们可以从   k=3 的位置开始进行比较，如图：

主串指针 i 保持不变，模式串指针 j=3 ，跳过中间的几个字串，同时模式串也跳过开头的两个元素。这就是KMP算法的思想，利用模式串与主串匹配过程中发生失配的现象，保持主串中的指向不变，对模式串的指向进行调整。

 当最后一个字符再次不匹配的时候，再将主串指针i保持不变，模式串指针j=3。

那么，当我们在第五个字符不匹配的时候该怎么办呢？

 

当第五个字符不匹配的时候，模式串的前四个字符就是已知的，那我们可以保持i的位置不变，j=2

        

那么第四个字符开始不匹配呢？这是我们可以总结出规律：

 当第6个字符匹配失败时，可令主串指针 i 不变，模式串指针 j = 3

 当第5个字符匹配失败时，可令主串指针 i 不变，模式串指针 j = 2

 当第4个字符匹配失败时，可令主串指针 i 不变，模式串指针 j = 2

 当第3个字符匹配失败时，可令主串指针 i 不变，模式串指针 j = 1

 当第2个字符匹配失败时，可令主串指针 i 不变，模式串指针 j = 1

 当第1个字符匹配失败时，匹配下一个相邻的子串，模式串指针 j = 0

我们可以用一个next数组来对字符失配时，表示 j 该改变的位置

next[0]	next[1]	next[2]	next[3]	next[4]	next[5]	next[6]
	0	1	1	2	2	3

当模式串中的字符改变时，next数组中的内容也会改变，那我们怎么求得next数组呢？

next[1]都无脑写0，next[2]都无脑写1

其他next：在不匹配的位置前，划一根分界线，模式串一步一步往后退，直到分界线之前“能对上”，或模式串完全跨过分界线位置。此时j指向哪，next数组值就是多少。

相关代码：

typedef struct String
{
	char* ch;
	int length;
}SString;

//朴素模式算法
int Index_KMP(SString S, SString T,int next[])
{
	int i = 1, j = 1;
	while (i <= S.length && j <= T.length)//i没有把主串走完，j没有把子串走完
	{
		if (S.ch[i] == T.ch[j] || j==0)//当j=0，也要i++，j++
		{
			i++;
			j++;
			//如果相等，则向后继续比较字符
		}
		else
		{
			j = next[j];//返回到子串开头
		}
	}
	if (j > T.length)//说明找到子串
	{
		return i - T.length;//返回子串在主串中第一次出现的位置
	}
	else
	{
		return 0;
	}
}

int main()
{
	SString S = { "abaabaabaabaabc",15 };
	SString T = { "abaabc",6 };
	int next[7] = { 0,0,1,1,2,2,3 };
	int ret = Index_KMP(S, T,next);
	printf("%d ", ret);
	return 0;
}

运行结果：