文本文件单词的检索与计数——实验准备
实验任务
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;
实现要求
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。
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。
用朴素模式匹配算法或KMP算法实现字符串定位; 可正确读取,保存文本;
实验思路
首先创建一个变量,用于储存文本文档路径。然后创建一个数组,将文本文档的内容包括空格,全部导入到数组中。输入要查找的单词,使用朴素模式匹配算法,找到对应的单词,用变量记录下位置,并判断它是否为单独的单词。若判断为true,则返回单词位置,并继续向前遍历,计数器++。若判断返回false,则继续向前遍历。
KMP算法
KMP算法是一种改进的字符串匹配算法,由D.E.Knuth,J.H.Morris和V.R.Pratt提出的,因此人们称它为克努特—莫里斯—普拉特操作(简称KMP算法)。KMP算法的核心是利用匹配失败后的信息,尽量减少模式串与主串的匹配次数以达到快速匹配的目的。具体实现就是通过一个next()函数实现,函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度O(m+n) [1] 。