数据结构与算法系列22--字符串匹配算法

字符串匹配这样的函数，在很多编程语言中都提供了字符串的查找算法，那它底层具体是怎么实现的呢？
字符串的匹配算法有很多，简单一点的：BF算法和RF算法。高级一点的，BM算法和KMP算法。

BF算法

BF算法全称是Brute Force，中文叫暴力匹配算法，也叫朴素匹配算法，该算法简单、好懂，但是性能不高。
思想：
我们在主串中，分别检测起始位置分别是0、1、2、…n-m且长度为m的n-m+1个子串，看有没有跟模式串匹配的（其中n为主串长度，m为模式串长度）
注：主串为待检测的字符串，模式串为要查找匹配的串。假设要在字符串A中查找字符串B，那字符串A就是主串，字符串B就是模式串。
分析：
该算法是时间复杂度为O(m*n)。 虽然时间复杂度相对较高，但在实际的开发中，它却是一个比较常用的字符串匹配算法。因为实际的软件开发中，大部分情况下，模式串和主串的长度都不会太长。算法思想简单，代码实现也非常简单。

RK算法

RK算法的全称叫Rabin-Karp算法，是由它的两位发明者Rabin和Karp的名字来命名的。
思想：
通过哈希算法对主串中的n-m+1个子串分别求哈希值，然后逐个与模式串的哈希值比较大小。如果某个子串的哈希值与模式串的哈希值相等，那就说明对应的子串和模式串匹配了。因为哈希值是一个数字，数字之间的比较要比字符串之间的比较要快很多，所以模式串和子串之间的比较效率要提高了。
分析：
整个RK算法包含两部分，计算子串哈希值和模式串哈希值与子串哈希值之间的比较。第一部分计算子串哈希值是要先扫描一遍主串，然后计算出每个子串的哈希值，这部分的时间复杂度是O(n)，第二部分模式串哈希值与子串哈希值之间的比较，总共需要比较 n-m+1 个子串的哈希值，所以，这部分的时间复杂度也是O(n)，所以，RK算法整体的时间复杂度就是O(n)。

高级的BM算法

思想：
BM算法的匹配顺序比较特别，它是按照模式串下标从大到小的顺序，倒着匹配的。利用模式串本身的特点，在模式串中某个字符与主串不能匹配的时候，将模式串往后多滑动几位，以此来减少不必要的字符比较，提高匹配的效率。
BM算法构建的规则有两类，坏字符规则和好后缀规则。
坏字符规则:
我们从模式串的末尾往前倒着匹配，当我们发现某个字符没法匹配的时候。我们把这个没有匹配的字符叫作坏字符（主串中的字符）。我们拿坏字符在模式串中查找，如果发现模式串中并不存在这个字符，可以将模式串直接往后滑动m位，即坏字符后面的位置，然后再开始重新比较。但是坏字符规则向后滑动的步幅还不够大，于是需要好后缀规则。
好后缀规则
从后往前逐位比较模式串与主串的字符，当出现坏字符时停止。若存在已匹配成功的子串｛u｝，那么在模式串的｛u｝前面找到最近的｛u｝，记作｛u’｝。再将模式串后移，使得模式串的｛u’｝与主串的｛u｝重叠。若不存在｛u’｝，则直接把模式串移到主串的｛u｝后面。为了没有遗漏，需要找到最长的、能够跟模式串的前缀子串匹配的，好后缀的后缀子串（同时也是模式串的后缀子串）。然后把模式串向右移到其左边界，与这个好后缀的后缀子串在主串中的左边界对齐。
BM算法，尽管它很复杂，也不好理解，但却是工程中非常常用的一种高效字符串匹配算法。

最知名的KMP算法

尽管在实际的开发中，我们几乎不大可能自己亲手实现一个KMP算法。但是，学习这个算法的思想，对我们开拓思维是有非常大的好处。实际上，KMP算法跟BM算法的本质是一样的。
KMP的全称是Knuth Morris Pratt，是根据三位作者（D.E.Knuth，J.H.Morris+和V.R.Pratt）的名字来命名的。
思想：
跟BM算法相似，假设主串是a，模式串是b。在模式串与主串匹配的过程中，当遇到不可匹配的字符的时候，我们希望找到一些规律，可以将模式串往后多滑动几位，跳过那些肯定不会匹配的情况。
具体过程看不太懂，只能先暂且略过了。
可以看下这篇文章写的http://www.cnblogs.com/c-cloud/p/3224788.html