目录
前言
字符串是一种常见的数据结构，它由一个字符序列组成，可以被视为字符的数组或列表。每个字符都有一个对应的索引位置，允许对字符串进行访问、修改和操作。对于字符串而言，寻找字符串中子串的位置是最重要的操作之一，查找子串位置的操作通常称为模式匹配。在模式匹配中，通常将主串称为目标串，而将子串成为模式串。
本文仅介绍两种模式匹配算法，BF算法和KMP算法。
规定：本文记目标串s = "abcaabbabcabaab" , 模式串t = "abcabaa" .
用i遍历目标串s的字符，用j遍历模式串中的字符.
BF算法
BF算法，又称简单匹配算法，
基本思路
从目标串s的第一个字符开始，与模式串t的第一个字符比较，若字符匹配，则继续逐个比较后续字符；否则，从目标串回溯到第二个字符重新与模式串的第一个字符进行比较。以此类推，当目标串s的第i个字符开始与模式串t的每个字符逐个比较，若匹配成功，则返回位置i；否则目标串回溯至第i + 1个字符与模式串t逐个比较。
过程图解
代码实现
int BF(string s, string t)
{
int i = 0, j = 0;
while (i < s.size() && j < t.size())
{
//比较当前字符是否相等
if (s[i] == t[i])
{
//相等时，i,j后移一位，接着比较下一位字符
i++;
j++;
}
else
{
//不等时，i回溯，j重置为0，重新开始遍历
i = i - j + 1;
j = 0;
}
}
//判断模式串是否遍历完
if (j >= t.size())
//遍历完则返回t在s中的位置
return (i - t.size());
else
//否则返回-1
return (-1);
}说明：s.size()与t.size()表示目标串s和模式串t的长度，代码中以数组s[i]、t[i]的形式访问字符串中的字符.
不足之处
该算法虽然简单且易于理解，但效率不高，主要原因是目标串s中i在若干个字符比较后，若有一个字符与其不匹配，就需要进行回溯（即i = i - j + 1）。这种反反复复的回溯会大量增加程序的运行时间，而且很多运算是不必要进行的。在最好情况下时间复杂度为O(n)，即子串的n个字符正好等于主串的前n个字符，而最坏的情况下时间复杂度为O(m*n)。
改进方式
BF算法的高时间复杂度主要是由于其目标串s的回溯，倘若我们可以减少目标串指针的回溯次数，便可以降低其时间复杂度，而接下来的KMP算法就实现了这一需求。
KMP算法
Knuth-Morris-Pratt字符串查找算法，简称为“KMP算法”，常用于在一个文本串S内查找一个模式串P的出现位置，KMP算法由D.E.Knuth、J.H.Morris和V.R.Pratt共同提出的。KMP算法与BF算法相比有较大的改进，主要是消除了目标串指针的回溯，从而使算法的效率在某种程度上提高了。
基本思路
KMP算法是通过增加空间复杂度来减小时间复杂度。
当目标串s与模式串t进行匹配时，遇到字符不相匹配时，保持目标串s的指针i不变，将模式串t根据一个特殊的数组next[]进行回溯。
数组next[ ]
数组next[ ]是用来记录模式串t的指针j在某一位置时其之前遍历过的字符区段中最长相等的前后缀。
说明：next[i]=j的含义是：下标为i 的字符前的字符串最长相等前后缀的长度为j。
字符串最长相等前后缀
示例：以模式串t = "abcabaa"为例
前缀集合 = {a,ab,abc,abca,abcab,abcaba}
后缀集合 = {a,aa,baa,abaa,cabaa,bcabaa}
则其最长相等前后缀为：a
注意：前缀和后缀不能等于字符串本身。
数组next[ ]的形成原理
依旧以模式串t = "abcabaa"为例
当模式串t的指针j位于不同位置时
规定：next[0] = -1.
数组next[ ]的作用
当目标串s与模式串t进行匹配，部分过程如下：
当匹配到i = 4时，目标串s的字符与模式串t的字符已经无法匹配， 此时模式串t的指针回溯 j = 1
由next数组可知，next[4] = 1,故可知当目标串s字符与模式串t字符不匹配时，模式串t的指针进行回溯，即 j = next[ j ]。
数组next[ ]的作用主要有两点：
- next[j]的值表示下标为j的字符前的字符串最长相等前后缀的长度。
- next[j]的值为当字符串不匹配时，模式串指针应该回溯的位置下标。
求next数组的代码
int GetNext(string t, int next[])
{
int j = 0, k = -1;
//规定：第一个字符前无字符串，故给值-1；
next[0] = -1;
//因为数组的最大下标为t.size()-1,但字符串的前缀与后缀不能与本身相等
//所以遍历时只能取到t.size()-2;
while (j < t.size() - 1)
{
if (k == -1 || t[j] == t[k])
{
//当字符匹配时，目标串s和模式串t的指针同时后移一位
j++;
k++;
next[j] = k;
}
else
{
//当字符不匹配时，模式串t的指针进行回溯
k = next[k];
}
}
}KMP算法的过程图解
代码实现
int KMPPIndex(string s, string t)
{
int next[MaxSize], i = 0, j = 0;
//获取模式串t的next数组
GetNext(t, next);
while (i < s.size() && j < t.size())
{
//判断指针是否指向第一个字符或比较当前字符是否相等
if (j == -1 || s[i] == s[j])
{
//指针不在第一个字符时，i,j后移一位再进行比较
//相等时，i,j后移一位，接着比较下一位字符
i++;
j++;
}
else
{
//字符不匹配时，回溯模式串t的指针j
j = next[j];
}
//判断模式串是否遍历完
if (j >= t.size())
//遍历完则返回t在s中的位置
return (i - t.size());
else
//否则返回-1
return (-1);
}
}KMP算法的改进
KMP算法是否可以进一步改进呢？
回看KMP算法过程图解时，我们发现在第一次匹配与第二次匹配中，模式串t的指针进行回溯时依旧没有改变目标串s中的'a'字符与模式串t中的'b'字符进行比较。倘若我们可以避免这种重复的比较，是否就进一步优化了KMP算法。
基本思路
当目标串s与模式串t进行匹配时，遇到字符不相匹配时，保持目标串s的指针i不变，将模式串t根据一个特殊的数组next[]进行回溯，若回溯后的字符与当前字符一样，则跳过当前回溯直接进行下次回溯，即构建一个特殊的数组nextval[ ] 代替next[ ] 数组的功能。
通过减少模式串t的指针的回溯次数来优化KMP算法。
数组nextval[ ]
数组nextval[ ] 用于记录改进后的KMP算法的模式串t的指针回溯的下标。
数组nextval[ ]的形成原理
规定：nextval[ 0 ] = -1.
说明：当字符不匹配时，模式串t的指针 j 将进行回溯。若回溯后的字符与回溯前一致，则nextval [ j ] = next [ next [ j ] ] ,若不一致，则nextval [ j ] = next [ j ]。
改进后KMP算法的过程图解
代码实现
//求取nextval[ ]
int GetNext(string t, int nextval[])
{
int j = 0, k = -1;
//规定：第一个字符前无字符串，故给值-1；
nextval[0] = -1;
//因为数组的最大下标为t.size()-1,但字符串的前缀与后缀不能与本身相等
//所以遍历时只能取到t.size()-2;
while (j < t.size() - 1)
{
if (k == -1 || t[j] == t[k])
{
//当字符匹配时，目标串s和模式串t的指针同时后移一位
j++;
k++;
//判断指针回溯前字符是否相等
if (t[j] != t[k])
//不相等时，回溯到该位置
nextval[j] = k;
else
//相等时，跳过当前回溯
nextval[j] = nextval[k];
}
else
{
//当字符不匹配时，模式串t的指针进行回溯
k = nextval[k];
}
}
}
//KMP
int KMPPIndex(string s, string t)
{
int nextval[MaxSize], i = 0, j = 0;
//获取模式串t的next数组
GetNext(t, nextval);
while (i < s.size() && j < t.size())
{
//判断指针是否指向第一个字符或比较当前字符是否相等
if (j == -1 || s[i] == s[j])
{
//指针不在第一个字符时，i,j后移一位再进行比较
//相等时，i,j后移一位，接着比较下一位字符
i++;
j++;
}
else
{
//字符不匹配时，回溯模式串t的指针j
j = nextval[j];
}
//判断模式串是否遍历完
if (j >= t.size())
//遍历完则返回t在s中的位置
return (i - t.size());
else
//否则返回-1
return (-1);
}
}本文仅是本人作为初学者的理解，若有不正确或不全面的方面，还望各位批评指正。
1727
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
