朴素的字符串匹配算法

一个字符串是一个定义在有限字母表∑上的字符序列。例如，ABCDABC是字母表∑ = {A,BC,D}上的一个字符串。字符串匹配问题就是在一个大的字符串T中搜索某个字符串P的所有出现位置。其中，T称为文本(或称主串，模式串)，P称为模式(或称子串)，T和P都定义在同一个字母表∑上。

设文本为长度为n，用字符数组T[1..n]表示，模式串长度为m，m<=n，用字符数组P[1..m] 表示。

如果T[s+1..s+m] = P[1..m](即对1<=j<=m，有T[s+j]=P[j])，则说模式P在文本T中出现且位移为s。主串中共含有n-m+1个长度为m的子串，显然有0<=s<=n-m。如果模式P在文本T中出现并且位移为s，则称s是一个有效位移，否则称s为无效位移。所以字符串匹配问题就变成了在一段指定的文本T中，查找模式P出现的所有有效位移问题。

算法思想：把文本T中的n-m+1个模式分别和模式P进行比较，也就是说对位移s的n-m+1个可能的取值，依次比较两个子串，如果匹配，则s为一个有效位移，输出s。

算法伪代码：

Native-String-Matcher(T,P)
{
n = length[T];
m = length[P];
for s=0 to n-m
if(T[s+1..s+m] = P[1..m])
print”Pattern occurs with shift”s
}

算法分析：

从伪代码可知，比较两个长度为m的子串，复杂度为O(m)，而外层循环n-m+1次，所以本算法的运行时间为O((n-m+1)m)。

一个简单的C++实现如下：

void Native_String_Matcher(const char* T, const char* P)
{
	int n = strlen(T);
	int m = strlen(P);

	for(int s=0; s<=n-m; s++)
	{
		if(strncmp(T+s,P,m) == 0)//比较m个字符
		{
			cout<<"Pattern occurs with shift"<<s<<endl;
		}
	}
}

另一个简单C++实现如下：

/*
  Description:在文本T中，从下标pos处开始查找模式P
  Return:若找到，则返回第一次匹配的（首字符）下标位置 ，否则返回-1; 
*/
int index(const char* T, const char* P, int pos)
{
	int n = strlen(T);
	int m = strlen(P);
	int i = pos;
	int j= 0;
	while(i<n && j<m)
	{
		if(T[i]==P[j])
		{
			i++;
			j++;
		}
		else
		{
			i = i-j+1;	//匹配失败，指针回溯  
			j = 0;
		}
	}
	if(j==m)
		return i-m;
	return -1;
}

这个实现可能不如第一个实现那么清晰，但是本质上是一样的。该程序初始化i=pos,j=0，然后开始逐一比较对应字符值，若相等则指针i和j都向后移动，若不相等则指针回溯。i=i-j+1;也就是把本次扫描前指针i的位置(通过此时i的值减去移动的值j求得)向后移动一位，相当于把模式向右移一位。

循环结束时可能有两种情况：(1)j==m，也就是说找到了第一个匹配的子串，我们返回下标值就可以。(2)i==n且j!=m,也就是说查找完了文本，但是没有找到匹配的子串，出现此种情况是因为当位移s> n-m的时候，文本中剩余的子串长度不足m。

测试程序如下：

#include <cstdlib>
#include <iostream>
#include <cstring>
using namespace std;

int main(int argc, char *argv[])
{
	const int Max_Length = 1000;
	char T[Max_Length];
	char P[Max_Length];
	while(gets(T))
	{
		gets(P);
		//Native_String_Matcher(T,P);
		//cout<<"next case:"<<endl;
		cout<<"first match at "<<index(T,P,0)<<endl;
	}
    system("PAUSE");
    return EXIT_SUCCESS;
}

注：

(1)所有程序都是在DEV-C++上测试通过的，除非特别说明。

(2)由于使用的是C的字符输入函数gets()，输入时文本和模式应该以回车符作为分隔。