软件实习项目三——文本文件单词的检索与计数

实验内容

建立一个文本文件，统计给定单词在文本文件中出现的总次数及位置。

实验要求

1. 文本文件中每个单词不包含空格且不跨行，单词由字符序列构成且区分大小写，统计给定单词在文本文件中出现的总次数，检索输出的某个单词出现在文本中的行号、在该行中出现的位置。

2. 设计数据量大的文本，进行子串的查询处理，分析算法运行的时间效率，对所有输出的匹配位置结果进行验证，以证明算法设计和实现的正确性。

3. 用朴素模式匹配算法或KMP算法实现字符串定位；

4. 可正确读取，保存文本；

编程语言及开发环境
编程语言：JAVA
开发环境：IntelliJ IDEA 2020.3.2

实验思路

一、朴素模式匹配算法

简单讲就是把模式串跟母串从左向右或从右向左一点一点比较：先把模式串的第一个字符同母串的第一个字符比较，若相等则接着比较后面的对应字符；若不等，把模式串后移一个位置，再次从模式串的头部比较。
假设主串的长度为N，待匹配串的长度为M，因为需要遍历主串，每次匹配的长度都小于等于M，所以它的时间复杂度是O(M*N)的。

二、KMP模式匹配算法

操作流程：

• 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]。此举意味着失配时，模式串 P相对于文本串S 向右移动了j - next [j] 位

• 换言之，将模式串 P失配位置的next数组的值对应的模式串 P 的索引位置移动到失配处

三、KMP算法的时间复杂度：

• 计算Partial_Table(或者说是计算模式串的最长公共前缀后缀长度列表)时的比较次数介于[m,2m]，假设m时模式串的长度.

• 比较模式串和子串时比较次数介于[n,2n],最坏情形形如T="aaaabaaaab",P="aaaaa".

• 所以算法时间复杂度时O(m+n)