字符串匹配——《算法导论》第32章

部分示意图来源于《算法导论》

1. 朴素字符串匹配算法

思路：模板沿着文本滑动，对每个偏移都进行检测
最坏情况下，算法运行时间为$O((n-m+1)m)$

2. Rabin-Karp算法

该算法是基于散列的，用的是哈希表。
模板：P[1…m]
文本：T[1…n]
对T的所有m长度的子字符串计算d^{m-1}（利用霍纳法则可以简化），通过取模，减少哈希值的长度。
哈希值$t_s=d^{m-1}$ mod q，q为一个素数，且需满足dq在一个计算机字长内（比如十进制时，d=10，10q需要比 ？小，因此q的值选为13。）
通过比较n-m+1次哈希值:$t_s=p$ mod q，再用朴素法来检测有效偏移s是真的有效还是伪命中点。
图例：

算法性能分析：
预处理时间为$\theta (m)$，最坏情况下，匹配时间是$\theta ((n-m+1)\ast m)$，选取的q大于模式p的长度时，匹配时间为$O(n+m)$，由于m≤n，算法的平均匹配时间为$O(n)$。

3. KMP算法

用的是前缀表，使用前缀表可以告诉我们匹配失败之后跳到哪里重新匹配。
模式P的前缀函数$\pi$包含模式与自身偏移进行匹配的信息。
图例：

步骤：

1. 利用双指针求出模式p的前缀表next
2. 对原字符串T进行匹配

go 代码

go语言实现kmp算法

package main

import "fmt"

func strStr(t string, p string) int {
    if len(p)==0{
        return 0
    }
	next := compute_next(p)
	j := 0
	for i := 0; i < len(t); i++ {
		for t[i] != p[j] { //边界j=0时的处理
			if j == 0 {
				break
			}
			j = next[j-1]

		}
		if t[i] == p[j] {
			j++
		}
		if j == len(p) {
			return i-len(p)+1
		}
	}

	return -1
}

func compute_next(p string) []int {
	m := len(p)
	next := make([]int, m) //next[0]=0
	for left, right := 0, 1; right < m; right++ {
		for p[left] != p[right] {
			//边界left=0时的处理
			if left == 0 {
				break
			}
			left = next[left-1]
		}
		if p[left] == p[right] {
			left++
		}
		next[right] = left

	}
	return next
}

func main() {
	haystack := "aaaaa"
	needle := "bba"
	next := strstr(haystack, needle)
	fmt.Println(next)
}