字符串匹配算法

首先引用一下另一篇文章中对字符串匹配的介绍：

字符串匹配指的是从文本中找出给定字符串（称为模式）的一个或所有出现的位置。本文的算法一律输出全部的匹配位 置。模式串在代码中用x[m]来表示，文本用y[n]来，而所有字符串都构造自一个有限集的字母表Σ，其大小为σ。

根 据先给出模式还是先给出文本，字符串匹配分为两类方法：

第一类方法基于自动机或者字符串的组合 特点，其实现上，通常是对模式进行预处理；

第二类方法对文本建立索引，这也是现在搜索引擎采用的方法

现在只考虑第一类方法。

1、 字符串朴素匹配

最简单的匹配方式，时间复杂度是O(mn)，但实际上在文本串和模式串都随机的情况下，它的平均复杂度是O（m+n),因此它的效率并不低。

实现方法如下

/* 预处理时间：0 匹配时间：O(m(n-m+1)) */ class RawMatch{ public: string basestr; string mstr; RawMatch(const string& text, const string& mod):basestr(text), mstr(mod){} void Match(); }; void RawMatch::Match() { int freq = 0; int n = basestr.length(); int m = mstr.length(); for(int i=0; i<n-m; i++) { for(int j=0; j<m; j++) { if(basestr[i+j] != mstr[j]) { break; } if(j==m-1) { freq++; cout<<"Patten found at index: "<<i<<endl; } } } if(freq==0) { cout<<"Patten is not found"<<endl; } }

2、Rabin-Karp算法

Rabin-Karp算法是由Rabin和Karp[1]提出的一个在实际中有比较好应用的字符串匹配算法，此算法的预处理时间为O(m)，但它的在最坏 情况下的时间复杂度为O((2n-m+1)m)，而平均复杂度接近O(m+n)，此算法的主要思想就是通过对字符串进行哈稀运算，使得算法可以容易的派出 大量的不相同的字符串，假设模式字符串的长度为m，利用
Horner法则p = p[m] + 10(p[m -1] + 10(p[m-2]+...+10(p[2]+10p[1])...))，求出模式字符串的哈稀值p,而对于文本字符串来说，对应于每个长度为m的子串的 哈稀值为t(s+1)=10(t(s)-10^(m-1)T[s+1])+T[s+m+1]，然后比较此哈稀值与模式字符串的哈稀值是否相等，若不相同， 则字符串一定不同，若相同，则需要进一步的按位比较，所以它的最坏情况下的时间复杂度为O（mn）。

实现方法如下：

/* 模式串长度：m 文本串长度：n 预处理时间：Θ(m) 匹配时间: O((n-m+1)m) */ class RabinKarp{ private: bool Check(int); public: string basestr; string mstr; static const int d = 256; static const int q = 127; void Match(); RabinKarp(const string&, const string&); }; RabinKarp::RabinKarp(const string& text, const string& mod) { basestr = text; mstr = mod; } void RabinKarp::Match() { int freq = 0; int m = this->mstr.length(); int n = this->basestr.length(); int h = 1; int *t = new int[n - m]; int p = 0; t[0] = 0; for(int i=0; i < m-1; i++) { h = (h * d) % q; } for(int i=0; i < m; i++) { p = (d * p + mstr[i]) % q; t[0] = (d * t[0] + basestr[i]) % q; } for(int i = 0; i < n-m; i++) { if(p == t[i]) { if(Check(i)) { cout<< "Patten found at index " << i << endl; freq++; } } if( i < n - m ) { t[i+1] = ( d * (t[i] - basestr[i] * h) + basestr[i + m]) % q; if(t[i+1] < 0) { t[i+1] += q; } } } if(freq == 0) cout<<" Patten is not found!"<<endl; } bool RabinKarp::Check(int s) { for(int i = 0; i < mstr.length(); i++) { if(mstr[i] != basestr[i + s]) return false; } return true; }

3、KMP算法

用了一个只需要O(m)就能计算出来的辅助函数pai[1..m]就达到了搜索时间复杂度为O(n).
函数pai称为前缀函数，是根据模式字符串 构造的，对于一个给定的模式字符串p[1..m]，它的前缀函数定义如下：pai[q] = max{k:k<q and p(k) > p(q)}即：pai[q]是p的最长的与后缀p(q)相同的前缀。
通过均摊分析可以证明计算前缀函数的时间复杂度为O(m),而同样把此方法用 于分析KMP算法的时间复杂度分析，我们可以得出KMP匹配算法的时间复杂度为O(m+n)。

实现方法如下：

/* 预处理时间：Θ(m) 匹配时间：Θ(n) */ class KMP{ public: string basestr; string mstr; int *pi; KMP(string text, string mod):basestr(text),mstr(mod) { pi = new int[mstr.length()]; } void Match(); void ComputePrefixFunction(); }; void KMP::Match() { int freq = 0; int n = basestr.length(); int m = mstr.length(); this->ComputePrefixFunction(); int q = -1; //当前已匹配的字符位置 for(int i = 0 ; i < n; i++) { while( q >= 0 && mstr[q + 1] != basestr[i]) { q = pi[q]; } if(mstr[q+1] == basestr[i]) { q++; } if( q == m-1) { cout<<"Patten found at index "<< i - m + 1 <<endl; q = pi[q]; freq++; } } if(freq == 0) { cout<<" Patten is not found!"<<endl; } } void KMP::ComputePrefixFunction() { int m = mstr.length(); pi[0] = -1; int k = -1; for(int q = 1; q < m; q++) { while(k >= 0 && mstr[k+1] != mstr[q]) { k = pi[k]; } if(mstr[k+1] == mstr[q]) { k++; } pi[q] = k; } }