字符串匹配算法
检查模式P是否另一个字符串T(T代表文本)的子串,因为要检查整个定长的字符串P,所以有时这些算法称为精确字符串匹配算法。此算法通常输入为原字符串(string)和子串(pattern),要求返回子串在原字符串中首次出现的位置。比如原字符串为“ABCDEFG”,子串为“DEF”,则算法返回3。常见的算法包括:BF(Brute Force,暴力检索)、RK(Robin-Karp,哈希检索)、KMP(教科书上最常见算法)、BM(Boyer Moore)、Sunday等,下面实现BF和KMP算法。
1. 蛮力法(BF算法)
对于文本T中的每个可能的位置,检查P是否匹配,由于文本T的长度为n,模式P的长度m, 所以T的最后m -1个位置无需检查,即有n-m+1个可选的位置来比较。
/**
* 搜索模式字符串P在文本字符串T中第一次出现的位置的蛮力解法
* 对于文本T中的每个可能的位置,检查P是否匹配,由于文本T的长度为n,模式P的长度为m,
* 所以T的最后m - 1个位置无需检查,即有n-m+1个可选的位置来比较。
* @param T
* @param P
* @return
*/
private static int[] F;
public static int bruteForceStringMatch(String T, String P) {
char[] t = T.toCharArray();
char[] p = P.toCharArray();
int n = t.length;
int m = p.length;
for(int i = 0; i < n - m + 1; i ++) {
int j = 0;
while(j < m && p[j] == t[i + j])
j++;
if(j == m) {
return i;
}
}
return -1;
}
时间复杂度为O((n-m+1)m)=O(nm)
空间复杂度为O(1)
2. RK算法:
RK算法是对BF算法的一个改进:在BF算法中,每一个字符都需要进行比较,并且当我们发现首字符匹配时仍然需要比较剩余的所有字符。而在RK算法中,就尝试只进行一次比较来判定两者是否相等。
RK算法也可以进行多模式匹配,在论文查重等实际应用中一般都是使用此算法。
首先计算子串的HASH值,之后分别取原字符串中子串长度的字符串计算HASH值,比较两者是否相等:如果HASH值不同,则两者必定不匹配,如果相同,由于哈希冲突存在,也需要按照BF算法再次判定。
按照此例子,首先计算子串“DEF”HASH值为Hd,之后从原字符串中依次取长度为3的字符串“ABC”、“BCD”、“CDE”、“DEF”计算HASH值,分别为Ha、Hb、Hc、Hd,当Hd相等时,仍然要比较一次子串“DEF”和原字符串“DEF”是否一致。
时间复杂度:最坏情况:O(MN),最好情况:O(m+n)
3. KMP算法
我们来观察一下朴素的字符串匹配算法的操作过程。如下图(a)中所描述,在模式 P = ababaca 和文本 T 的匹配过程中,模板的一个特定位移 s,q = 5 个字符已经匹配成功,但模式 P 的