数据结构笔记---串

四、串

1. 串的定义和实现

1.1 串的定义

• 串(String)：由0个或者多个字符组成的有限序列。一般记为：S=‘a1a2…an’ (n>=0)
• 串名：S
• 串值：引号内部内容
• 串长：串内字符个数
• 空串：串长等于0的串
• 子串：串中任意个连续的字符组成的子序列
• 主串：包含主串的串
• 字符在主串中的位置：字符在串中第一次出现的位置
• 子串在主串中的位置：子串的第一个字符在主串中的位置
• 空格串：由空格组成的串，每个空格占1B

串数据对象限定为字符集(中文字符、英文字符、数字字符、标点字符等等)

1.2 串的存储结构

1. 定长顺序存储表示

存储结构：

• 一组地址连续的存储单元存储串值的字符序列，即使用定长数组存储。
• ch[MAXLEN]：每个分量存储一个字符。
• int length：串的实际长度。

typedef struct {
	char ch[MAXLEN];
	int length;
}SString;

2. 堆分配存储表示

存储结构：

• 一组地址连续的存储单元存储串值的字符序列，但是存储空间是动态分配得到的(在堆区)。
• char ch：按照串长分配存储区域，ch指向串的基地址。
• int length：串的实际长度。

typedef struct {
	char *ch;
	int length;
}HString;

顺序串的实现细节：

• 方案一：使用int length的方法存储长度
  
  特点：占用额外的空间，但是清楚明了，能够表示的串长范围大。

• 方案二：使用ch[0]存储length
  
  特点：字符位序与数组下标相同，但是ch[0]只能存储1B数据，所以串长最多为256.

• 方案三：没有length变量，以 /0 表示结尾
  
  特点：无法直接的表示串长。

• 方案四：不适用char[0]，再使用length存储串长
  
  特点：直观表示串长，并且数组下标与字符位序相同。

3. 块链存储表示

存储结构：

• 链式存储
• 节点可以存放多个字符增大存储密度
• 最后一个结点不满时用#补上

typedef struct StringNode{
	char ch[4];
	struct StringNode * next;
}StringNode,*String;

1.3 串的基本操作

串的基本操作

• StrAssign(&T,chars)：赋值操作。把串T赋值为chars。
• StrCopy(&T,S)：复制操作,由串S复制得到串T。
• StrEmpty(S)：判窄操作。若s为空串，则返回TRUE，否则返回FALSE。
• StrLength(S)：求串长。返回串s的元索个数·
• Clearstring(&S)：清空操作。将s清为空串，
• DestroyString(&S)：销毁串。将串s销毁（回收存储空间）。
• Concat(&T,S1,S2)：串联接。用T返回由SI和S2联接而成的新串。
• SubString(&Sub,S,pos,len)：求子串。用sub返回串s的第pos个字符起长度为len的子串。
• lndex(S,T)：定位操作。若主串s中存在与串T值相同的子串，则返回它在主串s中第一次出现的 位置：否则函数值为0·
• StrCompare(S,T)：比较操作。若S>T，则返回值>0：若S=T，则返回值=0：若S<T，则返回值<0。

1. SubString(&Sub,S,pos,len)

bool SubString (SString &Sub,SString S,int pos,int len){
	if (pos+len-1>S.length)
		return false;
	for (int i=pos;i<pos+len;i++){
		Sub.ch[i-pos+1]=S.ch[i];
	}
	Sub.length=len;
	return true;
}

2. StrCompare(S,T)

int StrCompare(SString S,SString T){
	for (int i=1;i<=S.length && i<=T.length;i++){
		if (S.ch[i]!=T.ch[i])
			return S.ch[i]-T.ch[i];
	}
	return S.length-T.length;
}

3. lndex(S,T)

int Index(SString S,SString T){
	int i=1,n=S.length,m=T.length;
	SString sub;
	while (i<=n-m+1){
		SubString(sub,S,i,m);
		if (StrCompare(sub,T)!=0)
			i++;
		else return i;
	}
	return 0;
}

1.2 串的模式匹配

1. 朴素模式匹配算法

• 串的匹配模式：在主串中找到与模式串相同的子串，并返回其位置。

算法思想与步骤：

1. 使用i、j分别指示主串S和模式串T 待比较字符的位置。
2. 从主串的S的第一个字符起，与模式串T的第一个字符比较，若相等则逐个比较后续字符，否则从主串的下个字符起重新与模式串字符比较。
3. 直至模式串T中的每个字符依次和主串S中的每一个连续的字符序列相等，则匹配成功，返回值为与模式串T第一个字符相等的字符在主串的序号，否则匹配不成功，返回0。

int StringIndex(SString S,SString T){
	int k=1;
	int i=k,j=1;
	while (i<=S.length&&j<=T.length){
		if(S.ch[i]==T.ch[j]){
			++i;
			++j;
		}else{
			k++;
			i=k;
			j=1;
		}
	}
	if (j>T.length)
		return k;
	else
		return 0;
}

性能分析

较好的情况：每个子串的第一个字符就与模式串不匹配。

若模式串的长度为m，主串长为n，则：

• 匹配成功的最好时间复杂度：O(m)
  

• 匹配失败的最好时间复杂度：O(n-m+1)=O(n-m)=O(n)
  

• 匹配成功的最坏时间复杂度：O[(n-m+1)*m]=O(mn)
  

• 匹配失败的最坏时间复杂度：O[(n-m+1)*m]=O(mn)
  

2. 模式匹配算法-KMP

朴素算法缺点：匹配失败后模式串后移一位从头开始比较。某趟已匹配的相等的字符序列是模式的某个前缀，频繁的重复比较相当于模式串进行自我比较。

算法思想与步骤：

1. 使用i、j分别指示主串S和模式串T 待比较字符的位置。
2. 从主串的S的第一个字符起，与模式串T的第一个字符比较，若相等则逐个比较后续字符，否则将跳转到子串的next[i]位置重新与主串的当前位置进行比较。
3. 直至模式串T中的每个字符依次和主串S中的每一个连续的字符序列相等，则匹配成功，返回值为与模式串T第一个字符相等的字符在主串的序号，否则匹配不成功，返回0。

2.1 由PM到next数组

• 前缀：除了最后一个字符以外，字符串的所有子串。
• 后缀：除了第一个字符以外，字符串的所有尾部子串。
• 部分匹配值(Partial Match)：前缀和后缀的最长相等前后缀长度值。

可知abcac的部分匹配值(PM)为00010，写为数组形式：

编号	1	2	3	4	5
S	a	b	c	a	c
PM	0	0	0	1	0

所以可知，当在第j位匹配失败时，子串的移动位数move：
move=已匹配字符数-对应部分的匹配值=j-1-PM[j-1]

利用数学推导从PM数组到next数组：

• move=j-1-PM[j-1]
• next[i]=PM[i]-1 (PM数组整体右移，使得能够使用到不匹配的字符，而不是它的前一个字符)
• move=(j-1)-next[j]
• j=j-move=j-((j-1)-next[j])=next[j]+1

编号	1	2	3	4	5
S	a	b	c	a	c
next	0	1	1	1	2

next[j]的含义，在子串的第j个字符与主串发生失配时，则跳到子串的next[j]的位置重新与主串的当前位置进行比较

2.2 next数组的计算

求法：当第j个字符匹配失败时，由1-j-1个字符组成的串记为S，则next[j]=S的最长相等前后缀长度+1。特别地next[1]=0。

函数表达式为：

$$next[j]=\{\begin{array}{ll}0& \text{j=1}\\ Maxk|1<k<j{且}^{\prime }{p}_1...p_{k-1}^{\prime }{=}^{\prime }{p}_{j-k+1}...p_{j-1}^{\prime }& \text{集合不为空时}\\ 1& \text{其他情况}\end{array}$$

例：
模式串：‘ababaa’

编号	1	2	3	4	5	6
S	a	b	a	b	a	a
next	0	1	1	2	3	4

当j=1，next[1]=0
当j=2，‘a’->next[2]=0+1=1
当j=3，‘ab’->next[3]=0+1=1
当j=4，‘aba’->next[4]=1+1=2
当j=5，‘abab’->next[5]=2+1=3
当j=6，‘ababa’->next[6]=3+1=4

void get_next(SString T,int next[]){
	int i=1,j=0;
	next[1]=0;
	while (i<T.length){
		if (j==0 ||T.ch[i]==T.ch[j]){
			++i;
			++j;
			next[i]=j;
		}else {
			j=next[j];
		}
	}
}

KMP算法的平均时间复杂度：O(n+m)

int Index_KMP(SString S,SString T){
	int i=1,j=1;
	int next[MAXLEN];
	get_next(T,next);
	while (i<=S.length && j<=T.length){
		if (j==0 || S.ch[i]==T.ch[j]){
			++i;
			++j;
		}else {
			j=next[j];
		}
		if (j>T.length)
			return i-T.length;
		else 
			return 0;
	}
}

3. KMP算法优化—nextval数组

KMP缺陷：当不匹配字符前方有大量的相同字符时，会增加无意义匹配。
解决方法：优化next数组为nextval数组。

nextval数组求解方法：

1. 得到模式串的next数组
2. 从编号为2的字符(假设为q)开始，如果对应的next的编号的字符(假设为p)与该字符(q)相同，将该字符(q)的nextval置为p的next值，如果不同则nextval[j]=next[j]。特别地，nextval[1]=0。
3. 依次比较，直到模式串结束。

例：
模式串：‘ababaa’

编号	1	2	3	4	5	6
S	a	b	a	b	a	a
next	0	1	1	2	3	4

编号	1	2	3	4	5	6
S	a	b	a	b	a	a
nextval	0	1	0	1	0	4

void get_nextval(SString T,int next[],int nextval[]){
	nextval[1]=0;
	for (int j=2;j<=T.length;j++){
		if (T.ch[next[j]]==T.ch[j])
			nextval[j]=nextval[next[j]];
		else 
			nextval[j]=next[j];
	}
}