GST算法的实现（java）

GST算法（贪婪式字符串匹配算法）简介：

    是一种基于token的字符串相似度算法。基本思想为：如果两个字符串完全相同，则返回一个最大值，该值与较短字符串的长度相同。如果两个串完全不相同，则返回最小值0.通常经较长串称为文本串，较短串称为模式串。 在使用GST算法时还会定义一个最小匹配长度，然后得到所有大于或者等于这个长度的不重叠的匹配字段，将这些字段长度和作为结果。

算法流程说明：

    1.首先假设两段字符串为A和B，最小匹配长度为minlen，定义一个match集合和list集合，match存放每次循环中匹配的字符串，list为最终的到的匹配集合。

    2.遍历字符串A，若当前位的字符没有被标记（初始状态均为未标记）就进行第3步。

    3.遍历字符串B，若当前位的字符没有被标记就进行第4步。

    4.如果A和B当前位的字符相等，就同时往后寻找一位，直到A和B当前位置不同，得到一个匹配串。得到当前找到的匹配串的长度len，如果len的长度等于minlen，将当前匹配串放入match。如果len的长度大于minlen，清空match集合，将当前匹配串放入match。

    5.遍历完A和B后将match集合中的元素添加给list集合，并将相应的匹配段标记。判断如果match中元素的长度大于minlen就返回第2步继续操作，反之结束。

以下是具体代码

package Lexer;

import java.util.ArrayList;
import java.util.List;
import java.util.Scanner;

public class GST {
	static List<String> list = new ArrayList<String>();//存放最终得到的匹配
	static List<String> match = new ArrayList<String>();//存放每次得到的最大匹配
	static int start_point1[];//记录每次得到的匹配在字符串A和B中的起始位置，用于标记
	static int start_point2[];
	public static void main(String[] args) {
		Scanner in = new Scanner(System.in);
		System.out.println("请输入第一段字符串");
		String s1 = in.next();
		System.out.println("请输入第二段字符串");
		String s2 = in.next();
		start_point1 = new int[s1.length()];
		start_point2 = new int[s2.length()];
		gst(s1,s2,2);
		System.out.println("有"+list.size()+"个匹配");
		for(String s:list){
			System.out.println(s);
		}
	}
	public static void gst(String s1,String s2,int minlen){
		list.clear();
		int start_point_sum = 0;
		int len1 = s1.length();
		int len2 = s2.length();
		int mark1[] = new int[len1];//记录字符串A和B中被标记的位
		int mark2[] = new int[len2];
		int now_minlen = minlen+1;
		while(now_minlen > minlen){
			now_minlen = minlen;
			match.clear();
			int start1 = 0;
			int start2 = 0;
			for(int i = 0;i<len1;i++){
				if(mark1[i]==0){
					for(int j = 0;j<len2;j++){
						if(mark2[j]==0){
							int a = 0;
							String str = "";
							char c1 = 0;
							char c2 = 0;
							while(c1==c2&&(i+a)<len1&&(j+a)<len2){//得到从当前位置开始能得到的匹配
								 c1 = s1.charAt(i+a);
								 c2 = s2.charAt(j+a);
								 str+=c1;
								 a++;
							}
							if(a==now_minlen){
								match.add(str);
								start1 = i;
								start2 = j;
								start_point1[start_point_sum] = i;
								start_point2[start_point_sum] = j;
								start_point_sum++;
							}else if(a > now_minlen){
								start_point_sum = 0;
								now_minlen = a;
								match.clear();
								match.add(str);
								start_point1[start_point_sum] = i;
								start_point2[start_point_sum] = j;
								start_point_sum++;
							}
						}
					}
				}
			}
			//System.out.println(match.size()+"");
			if(match.size()>0){
				for(String s:match){
					list.add(s);
				}
				for(int i = 0;i<start_point_sum;i++){//将相应段标记
					for(int j = 0;j<now_minlen;j++){
						mark1[j+start_point1[i]] = 1;
						mark2[j+start_point2[i]] = 1;
					}
				}
			}
		}
		
	}
}

运行实例

请输入第一段字符串
abcdef
请输入第二段字符串
defabc
有2个匹配
abc
def