浙大数据结构：KMP 串的模式匹配 (25 分)

KMP 串的模式匹配 (25 分)

给定两个由英文字母组成的字符串 String 和 Pattern，要求找到 Pattern 在 String 中第一次出现的位置，并将此位置后的 String 的子串输出。如果找不到，则输出“Not Found”。

本题旨在测试各种不同的匹配算法在各种数据情况下的表现。各组测试数据特点如下：

数据0：小规模字符串，测试基本正确性；
数据1：随机数据，String 长度为 10​5​​ ，Pattern 长度为 10；
数据2：随机数据，String 长度为 10​5​​ ，Pattern 长度为 10​2​​ ；
数据3：随机数据，String 长度为 10​5​​ ，Pattern 长度为 10​3​​ ；
数据4：随机数据，String 长度为 10​5​​ ，Pattern 长度为 10​4​ ；
数据5：String 长度为 10​6​​ ，Pattern 长度为 10​5​​ ；测试尾字符不匹配的情形；
数据6：String 长度为 10​6​​ ，Pattern 长度为 105​​ ；测试首字符不匹配的情形。
输入格式:
输入第一行给出 String，为由英文字母组成的、长度不超过 10
​6
​​ 的字符串。第二行给出一个正整数 N（≤10），为待匹配的模式串的个数。随后 N 行，每行给出一个 Pattern，为由英文字母组成的、长度不超过 10
​5
​​ 的字符串。每个字符串都非空，以回车结束。

输出格式:
对每个 Pattern，按照题面要求输出匹配结果。

输入样例:
abcabcabcabcacabxy
3
abcabcacab
cabcabcd
abcabcabcabcacabxyz
输出样例:
abcabcacabxy
Not Found
Not Found

代码

简单版本的KMP，建立数组的方法过于简单，导致超时

#include<iostream>
#include<cstring>
#define Maxsize 1000001
#define PMax 100001
typedef char pattern[PMax];
typedef int MatchArr[PMax];
using namespace std;
/*简单版本的建立match数组*/
int* BuildMatch(pattern pat) {
	int len = strlen(pat);
	int* Match = new int[len];
	Match[0] = -1;
	int i, j;
	for ( j = 1; j < len;j++) {
		for (i = 0; i < j; i++) {
			if (pat[i] != pat[j - i]) {
				Match[j] = i-1;//1个匹配记为0
				break;
			}
		}
	}
	return Match;
}


int Judge(char* text, pattern pat) {
	int* Match=BuildMatch(pat);
	int t, p;
	t = p = 0;
	int res = -1;
	int patlen = strlen(pat);
	int textlen = strlen(text);
	if (patlen > textlen)return -1;
	while (t <textlen) {
		if (text[t] == pat[p]) {
			p++;
			t++;
		}
		else {
			if (p>0)
				p = Match[p - 1] + 1;
			else if (p == 0) {
				t++;
			}
		}
		if (p == patlen) {
			res = t-patlen;
			break;
		}
	}
	return res;
}


int main() {
	char* Text = new char[Maxsize];
	pattern Pat;
	int N,res;
	cin >> Text;
	cin >> N;
	for (int i = 0; i < N; i++) {
		cin >> Pat;
		res=Judge(Text, Pat);
		if (res == -1) {
			cout << "Not Found\n";
		}
		else {
			printf("%s\n", Text + res);
		}
	}
	delete[]Text;
	return 0;
}

测试结果

代码2

#include<iostream>
#include<cstring>
#define Maxsize 1000001
#define PMax 100001
typedef char pattern[PMax];
typedef int MatchArr[PMax];
using namespace std;
/*更好的版本*/
int* BuildMatch2(pattern pat) {
	int i, j;
	int patlen = strlen(pat);
	int* Match = new int[patlen];
	Match[0] = -1;
	for (j = 1; j < patlen; j++) {
		i = Match[j - 1];
		while (i>=0&&pat[j]!=pat[i+1]) {
			i = Match[i];
		}
		if (pat[i + 1] == pat[j]) {
			Match[j] = i + 1;
		}
		else
			Match[j] = -1;
	}
}


int Judge(char* text, pattern pat) {
	int* Match=BuildMatch2(pat);
	int t, p;
	t = p = 0;
	int res = -1;
	int patlen = strlen(pat);
	int textlen = strlen(text);
	if (patlen > textlen)return -1;
	while (t <textlen) {
		if (text[t] == pat[p]) {
			p++;
			t++;
		}
		else {
			if (p>0)
				p = Match[p - 1] + 1;
			else if (p == 0) {
				t++;
			}
		}
		if (p == patlen) {
			res = t-patlen;
			break;
		}
		
	}
	return res;
}


int main() {
	char* Text = new char[Maxsize];
	pattern Pat;
	int N,res;
	cin >> Text;
	cin >> N;
	for (int i = 0; i < N; i++) {
		cin >> Pat;
		res=Judge(Text, Pat);
		if (res == -1) {
			cout << "Not Found\n";
		}
		else {
			printf("%s\n", Text + res);
		}
	}
	delete[]Text;
	return 0;
}

测试结果

总结

主要是重新归类了一下关于下标的问题，以后所有的关于下标的问题都从下面这个公式考虑。要求是：起始下标，结尾下标，包括下标在内的元素个数N，知道任意两个可以求出第三个，并且排列是连续的，如果有任何变形都基于此（比如不算末尾或者N少了一个）