- 单模式串匹配: BF算法和RK算法
- 多模式串匹配算法: Trie树和AC自动机
问题: RK算法是如何借助哈希算法来实现高效字符串匹配的呢?
1. BF算法
主串: 长度n,模式串:长度m, n > m。
BF: Brute Force的缩写, 暴力匹配算法。
算法过程: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。最坏情况时间复杂度是O(n*m)
2. RK算法
全称叫Rabin-Karp算法。
算法思想:共有n-m+1个子串,分别计算子串的哈希值,与模式串的哈希值比较(哈希冲突下面讲),相等即说明匹配。哈希值是数字,数字的比较高效快速。
- 1.无哈希冲突
假设字符串只包含a-z字母,其中a为0,b为1,以此类推,z为25. 计算子串的哈希值如下图所示:
两个相邻字串的哈希值有什么关系?
s[i-1]和s[i]为两个字串的起始位置,i-1和i表示索引位置。
字串1索引:s[i-1] ~ s[i + m - 2];
字串2索引:s[i] ~ s[i + m - 1];
26 ^ m-1次方,可以提前计算存储到数组,使用的时候直接查询即可。
RK算法整体的时间复杂度就是O(n)。
- 2.有哈希冲突
以上算法,个人认为限制很大,原因是26幂运算很容超过计算机能表示的整型数字范围。
也可以直接讲字母对应的数字累加和作为哈希值,这种方法有哈希冲突,解决办法就是:哈希值一样,再比较子串和模式串,这种方法哈希冲突概率比较高。 实际设计可以把字母对应素数,这样可以降低哈希冲突。