数据结构与算法学习系列-9-常见的算法-字符串常见算法

字符串常见算法-字符串操作

概念

主串、模式串：
在字符串T中查找字符串P，
T就是主串，P就是模式串
设T的长度为n，P的长度为m

单模式串算法

BF算法

概念

Brute Force 即暴力匹配法，在主串中每次向右移动一个位置，与模式串比较，如果每个字符都相等，则表示在主串中找到模式串

基本实现和特性

在主串T中，检查起始位置分别是［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，时间复杂度为O（m＊n）

RK 算法

概念

在BF中，每次在比较模式串和主串子串匹配的时候，都需要依次比较，RK则使用哈希算法对上述过程优化

基本实现和特性

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相等，就说明子串和模式串匹配

具体步骤：

1.计算子串的哈希值
2.模式串哈希值和子串哈希值的比较

重点:

1.设计哈希算法，扫描一遍计算n-m＋1子串的哈希值
2.设计的哈希算法健壮性比较强，可以解决模式串比较长哈希值很大的情况
3.哈希冲突
最好时间复杂度O（n），最坏时间复杂度O（n＊m）

BM算法

概念

把主串和模式串的匹配过程看成模式串不停往右滑动，当遇到不匹配的字符时，模式串往后滑动一位，然后从模式串的第一位开始匹配，BM算法借助一些规律将模式串向右多滑动几位

基本实现和特性

算法步骤

1.模式字符串的匹配顺序是从右向左:
（1）首先将P和T对齐，即p［0］和t［0］对齐
（2）然后匹配从模式字符串P的最右端字符开始，即判断p［m］和t［m］是否匹配：
如果匹配成功，则向左移动判断p［m-1］和t［m-1］是否匹配，如此循环下去；如果匹配不成功，则进行字符串滑移
2.字符串滑移启发式策略:
（1）坏字符移动启发式策略
（2）好后缀移动启发式策略
两种策略的使用：
如果同时满足两种策略使用条件时，选两者中较大的作为模式串向右滑移的距离
最坏情况下时间复杂度O（n＊m），最好情况下O（n/m）

KMP 算法

概念

跟BM算法非常近似，在模式串和主串匹配的过程中，当遇到那些不可匹配的字符时，希望有某些规律将模式串往右多滑动几位，跳过那些肯定不会匹配的情况

基本实现和特性

重难点：
构建模式串next数组，用来存储模式串中每个前缀的最长可匹配子串的结尾字符下标,时间复杂度O(m+n)

多模式串算法

Trie树

Trie树-概念

也称为字典树，是一个树形结构，
专门用于处理字符串匹配的数据结构
用来解决在一组字符集合中快速查找某个字符串的问题
本质是利用字符串之间的公共前缀，将重复的前缀合并在一起

典型应用： 被搜索引擎系统用于文本词频统计

基本性质：

1.根结点不包括字符，除根结点之外每一个结点都只包含一个字符
2.从根结点到某一结点，路径上经过的字符连接起来，为该结点对应的字符串
3.每个结点的所有子结点包含的字符都不相同
4.Trie树是一个多叉树
5.Trie树是多主串匹配算法

关键操作：

1.将字符集构建Trie树， 时间复杂度O(n)
2.在Trie树中查询一个字符串， 时间复杂度O(k) ，
k是要查找字符的长度

缺点：

Trie树比较消耗内存， 典型的空间换时间思想

Trie树-基本实现和特性

搜索Trie树的方法：

1.从根结点开始一次搜索
2.取得要查找关键词的第一个字母，并根据该字母选择对应的子树并转到该子 树继续进行检索
3.在相应的子树上，取得要查找关键词的第二个字母，并进一步选择对应的子树进行检索
4.迭代过程…
5.在某个结点处，关键词的所有字母已被取出，则读取附在该结点上的信息，即完成查找

AC 自动机

概念

AC自动机就是在Trie树之上，加了类似KMP的next数组，只不过此处的next数组是构建在树上

基本实现和特性

重点操作

1.AC自动机的构建
（1）将多个模式串建成Trie树
（2）在Trie树上构建失败指针（类似KMP的next数组）
2.在AC自动机上匹配主串

常考面试题

1.回文子串
2.字符串分割成子串，子串都是回文串
3.在字典中查找某串
4.实现Trie树
5.各种动态规划