数据结构-字符串（BF算法、KMP算法）

串

---

串的定义：

串（String）是计算机信息处理中最常见的一种数据结构，是有限的字符序列，记作
S = “a₁a₂a₃…a_n”
其中S是串名，双引号之间的字符序列为串的值，双引号是串的分界符，并不是串的成分。其中“ai(1<=i<n)”是程序设计语言的字符集中的字符，称之为串元素；n表示串的长度，当n=0时表示空串（Null String）。在计算机程序语言中串是一种特殊的线性表,其存储表示和线性表类似但又不完全相同。串的存储方式取决于将要对串所进行的操作。
例如： 假设有一个字符串
str = “Hello World！”
则str为串名引号中括起来的部分为串值，串值由10个字母字符、一个空格字符、一个感叹号字符组成，串长为12。

空串、空格串和子串

空串： 由零个字符组成的串，通常为两个相邻的双引号来表示空串，例如：s = “”，这两个双引号之间没有任何字符，故s表示一个空串，空串的长度为0。
空格串： 表示仅由空格字符（ASICII编码为32）组成的串通常在两个双引号之间包含一定的空格字符，例如：s = “ ”，这两个双引号之间存在有一些空格字符，故表示空格串。
子串： 串中任意个连续的字符组成的序列称为该串的子串。

注： 若串中存在空格，空格计算在串的长度中，例如：s = “I Love Programming”，则串s的长度为18。

在C语言中，使用双引号引起来的一个和单引号引起来的单个字符是存在区别的，例如：s₁ = “A” 和s₂ = 'A’两者是存在区别的，s1表示字符串而s2表示单个字符。

串在计算机中的三种存储方式：

• 定长顺序存储方式: 将串定义成字符数组,利用 串名可以直接访问串值。用这种表示方式,串的存 储空间在编译时确定,其大小不能改变。
• 堆分配存储方式: 仍然用一组地址连续的存储单 元来依次存储串中的字符序列,但串的存储空间是 在程序运行时根据串的实际长度动态分配的。
• 块链存储方式: 是一种链式存储结构表示。

---

字符串匹配算法

字符串模式匹配（Pattern Matching）又称为子串定位运算。
在模式匹配中，一般将主串称为目标串，子串称为模式串。模式匹配成功是指在目标串中找到模式串；匹配不成功是指目标串中不存在模式串。模式匹配经常应用于各类文本编辑程序中对某一特定字符的查找，这样可以大大提高文本编辑程序的响应速度，响应性能。

一、BF算法（Brute Force）

即暴力(Brute Force)算法，是一种普通的模式匹配算法，BF算法的思想就是将目标串S的第一个字符与模式串T的第一个字符进行匹配，若相等，则继续比较S的第二个字符和 T的第二个字符；若不相等，则比较S的第二个字符和T的第一个字符，依次比较下去，直到得出最后的匹配结果。BF算法是一种蛮力算法，BF算法的时间复杂度为 O(n*m)（n是文本的长度，m是模式字符串的长度）。

BF算法实现

/****************************************
 * 函数名称：BFIndex(ElemType *s, ElemType *t)
 * 功能描述：BF匹配算法主体
 * 传入参数：ElemType *s    传入的主串
 *          ElemType *t    传入的模式串
 * 返回值：若匹配完成返回模式串在主串的那个位
 *        置（主串中模式串首所在的下标位置）
 *        若未匹配到则返回-1
*****************************************/
int BFIndex(ElemType *s, ElemType *t)
{
    int i = 0;/*主串当前位置下标*/
    int j = 0;/*模式串当前位置下标*/
    int slen,tlen;
    slen = GetStringLen(s);
    tlen = GetStringLen(t);
    while (i < slen && j < tlen)
    {
        if(s[i] == t[j])
        {
            i++;/*相等，主串和模式串的下标整体后移一位*/
            j++;
        }
        else
        {
            i = i-j+1;/*不相等，主串后移，模式串返回串首*/
            j = 0;
        }
    }
    if(j == tlen)
    {
        return i - tlen;
    }
    else
    {
        return -1;
    }
}

BF算法在主串和子串匹配失败时，主串进行的回溯操作会影响整体匹配的效率，回溯之后，主串与子串有些部分比较是没有必要的。这种简单的丢弃前面的匹配信息是BF算法之所以效率低下的一个重要原因。

二、KMP算法（Knuth-Morris-Pratt）

Knuth-Morris-Pratt 算法简称为 “KMP 算法”，常用于在一个文本串 S 内查找一个模式串 P 的出现位置，这个算法由 Donald Knuth、Vaughan Pratt、James H. Morris 三人于 1977 年联合发表，故取这三人的姓氏命名此算法，KMP算法的时间复杂度为 O(n+m)（n是文本的长度，m是模式字符串的长度）。

其中在KMP算法中需要认真理解的就是其中的匹配过程到程序编写的转化，只有多次试验以及思考才能知道其中的含义！

下面是KMP算法的具体实现：

1. 获取字符串长度

/*************************************
 * 函数名称：GetStringLen(char *s)
 * 功能描述：获取字符串长度
 * 传入参数：待获取长度的字符串
 * 返回值：字符串长度
*************************************/
int GetStringLen(char *s)
{
    int len=0;
    while (s[len] != 0)
    {
        len++;
    }
    return len;
}

KMP算法的next[ ]数组求取方法：

next[ ]数组的作用： 当模式串发生失配时，指导文本串将以哪个字符与模式串进行比较。

S	d	e	d	e	d	d	d	d	e
下标	0	1	2	3	4	5	6	7	8
next[ ]	-1	0	0	1	2	3	0	0	0

• 假设现在文本串S匹配到 i 位置，模式串P匹配到 j 位置，如果j = -1，或者当前字符匹配成功（即S[ i ] == P[ j ]），都令i++，j++，继续匹配下一个字符；
• 如果j != -1，且当前字符匹配失败（即S[ i ] != P[ j ]），则令 i 不变，j = next[ j ]。这就意味着失配时，模式串P相对于文本串S向右移动了j - next [ j ] 位。
• 换言之，当匹配失败时，模式串向右移动的位数为：失配字符所在位置 - 失配字符对应的next 值，即移动的实际位数为：j - next[ j ]，且此值大于等于1。

2. next[ ]数组获取

/*************************************
 * 函数名称：GetKMPnext(ElemType *p, int next[])
 * 功能描述：求KMP算法的next[]
 * 传入参数：ElemType *p    传入模式字符串
 *          int next[]     KMP算法的next[]
 * 返回值：空
*************************************/
void GetKMPnext(ElemType *p, int next[])
{
    int plen = GetStringLen(p);
    next[0] = 0;
    int i = -1;/*固定next[0] = -1*/
    int j;/*后缀*/
    while (j < plen)
    {
        /*通过寻找最长前缀后缀的方法确定next[]*/

        /*假设现在文本串S匹配到 i 位置，模式串P匹配到 j 位置，如果j = -1，或者当前字符匹配成功（即S[i] == P[j]），都令i++，j++，继续匹配下一个字符；
        
        如果j != -1，且当前字符匹配失败（即S[i] != P[j]），则令 i 不变，j = next[j]。这就意味着失配时，模式串P相对于文本串S向右移动了j - next [j] 位。
        
        换言之，当匹配失败时，模式串向右移动的位数为：失配字符所在位置 - 失配字符对应的next 值，即移动的实际位数为：j - next[j]，且此值大于等于1。*/
        if(-1 == i || p[i] == p[j])
        {
            ++i;
            ++j;
            next[j] = i;
        }
        else
        {
            i = next[i];
        }
    }
}

3. KMP算法实现

/****************************************
 * 函数名称：KMPIndex(ElemType *s, ElemType *t)
 * 功能描述：KMP匹配算法主体
 * 传入参数：ElemType *s    传入的主串
 *          ElemType *t    传入的模式串
 * 返回值：若匹配完成返回模式串在主串的那个位
 *        置（主串中模式串首所在的下标位置）
 *        若未匹配到则返回-1
*****************************************/
int KMPIndex(ElemType *s, ElemType *t)
{
    int i = 0;
    int j = 0;
    int next[255];

    int sLen = GetStringLen(s);/*获取字符串长度*/
    int tLen = GetStringLen(t);

    GetKMPnext(s,next);/*获取next[]数组*/
    while (i < sLen && j < tLen)
    {
        if(-1 == i || s[i] == s[j])
        {
            i++;
            j++;
        }
        else
        {
            j =next[j];/*找到下一次匹配的j值*/
        }
        
    }
    if(j == tLen)/*匹配完成*/
    {
        return i-j;/*返回相匹配位置第一个字符下标*/
    }
    else
    {
        return -1;
    }
}

😊
o_o …
（⊙ｏ⊙）
🎈