数据结构串分析笔记

串

串是一种数据结构，是一种特殊的线性表。

特点

1、其内数据元素都来自字符集。
2、由于其数据元素特殊，所以有些操作不同于一般线性表，例如其操作对象一般是子串（即一组数据元素），而不是单个的数据元素。

串的相关名词

串：由零个或多个字符组成的有限序列。
空串：含零个字符的串。
空格串：由空格组成的串。
串长：串中所含字符的个数。
串相等：两个字符串的长度相等并且各个对应位置上的字符都相等。
子串：一个串中任意个连续字符组成的子序列（含空串、空格串、串本身）。
真子串：除本身以外的所有子串（即串本身不是自己的真子串）。
模式匹配：在主串T中找（匹配）到第一个与子串p相等的位置。

模式匹配的两种方法

BF算法

在进行模式匹配时采用回溯的方式：
1.从主串的第i个位置开始，与子串的每个字符逐个比较，若均相等，即为模式匹配成功，位置为i。
2.若从i开始匹配，但某个位置上不相等，则i就不是要找的位置。这时要将比较的位置回溯到主串的i+1处，子串的比较位置回溯到0，从i+1开始往后再比较。
3.直到匹配成功或i>=length(主串)为止。
每次出现比较不同时，都要进行调整：主串的比较位置回到上次(i)的下一个位置，子串回到0。

BF算法代码

int Index(Sstring T,Sstring p,int pos){
	int i = pos;//主串的开始位置
	int j = 0;//子串的开始位置
	while(i <= T.len && j <= p.len){
		if(T.data[i] == p.data[j]){
			i++;
			j++;
		}else{
			i = i-j+1;
			j = 0;
		}
	}
	if(j > p.len)
		return i-p.len;
	else
		return 0;
}

时间复杂度分析

主串长度为n，子串长度为m。
最好情况复杂度：O(m)，即主串从pos开始的m个字符正好与子串相等，例如：pos=0，主串为abcde，子串为abc，那么刚开始比较就会匹配成功。
最坏情况复杂度：O(n*m)，每次比较都是到最后一个字符才发现不相等，例如：pos=0，主串为aaaaaaaaaab，子串为aaaab，每次都是比较到子串的最后一位才发现不等，所以要比较n*m次。

KMP算法

不同于BF算法的是，在比较中发现不相等时，主串指针位置不回溯，调整子串指针位置，从而继续进行下一轮比较。

失败函数getNext()

原理：在比较时出现对应位置字符不相等时，在这之前主串和子串对应位置上还都是相等的，即已经部分匹配，利用这个有效信息，设计一种方法使得尽量减少匹配时间，提高效率。具体方法如下：设计一个失败函数，在某个位置出现比对失败（不相等）时，调用失败函数getNext()，在子串p中，该失败位置之前的串中，找到一个最长的既是真前缀又是真后缀的小子串，使子串p调整到小子串最后一个字符的下一个位置，进行下一轮比较。
注意：失败函数只与子串有关，与主串无关。

应用

子串匹配失败时的位置 j	0	1	2	3	4	5	6	7
子串字符	a	b	a	a	b	c	a	c
失败函数计算后的结果next[ ]	-1	0	0	1	1	2	0	1

注：1.经过失败函数getNext()计算后，所得值为-1时表示，字串的第一个字符就和主串不相等，这时主串的指针位置要后移一格，子串位置归0。
2.失败函数getNext()计算所得值不为-1时，则表示主串指针位置不动，子串指针位置变为所得值，然后继续比较。

失败函数代码

int getNext(char P[], int next[],int m){
	int i = 0,j = 1,k = 1;
	next[0] = -1;
	while(j < m){
		while(k < j){
			if(P[i] == P[k]){
				i++;
				k++;
			}else{
				k = k - i + 1;
				i = 0;
			}
		}
		next[j] = i;
		j++;
		i = 0;
		k = 1;
	}
	return 0;
}

代码原理：既然是找最长且相等的真前缀和真后缀，那就从最长的情况开始逐渐缩小寻找，最长的情况就是：真前缀或真后缀只比串本身少1个字符。
代码分析：那么i就代表每个位置寻找最长真前缀的开始位置，k代表寻找最长真后缀的位置，j则代表某个比对出错的位置，就是在j之前找的真前缀和真后缀。
如果P[i] == P[k]时，那么就看下一个位置。但如果在k没走到j之前就出现不相等的字符了，那么这串在怎么长都没用，因为它不是真后缀。
等到k走到j的位置时，i正好位于真前缀的下一个位置，正好next数组值要的就是真前缀的最后一个字符的下一个位置。

时间复杂度分析

主串长度为n，子串长度为m。
最好情况复杂度：O(m)。
最坏情况复杂度：O(m+n)，匹配时因为不相等时不回溯，所以比较次数可以记为n。

函数改进getNextVal

在KMP算法的基础上，考虑到在匹配失败去获取next值时，如果计算所得位置得字符与当前匹配失败的位置上的字符一样，那么在调整到next[i]的位置上时还是会匹配失败，所以nextVal数组考虑这一点，使得所得结果避免出现与原本匹配失败位置相同的字符位置。

int getNextVal(char P[], int nextVal[],int m){
	int i = 0,j = 1,k = 1;
	nextVal[0] = -1;
	while(j < m){
		while(k < j){
			if(P[i] == P[k]){
				i++;
				k++;
			}else{
				k = k - i + 1;
				i = 0;
			}
		}
		while(P[j] == P[i]){
			i = nextVal[i];
		}
		nextVal[j] = i;
		j++;
		i = 0;
		k = 1;
	}
	return 0;
}

改进之处就在，如果发现计算得到的位置i处的字符与比较失败的j处相等的话，即P[j] == P[i]，就提前获取位置i处的next值，因为调整过去之后还是会出错，所以提前先获取。
以上均为串相关内容的个人理解，欢迎大家指正！谢谢！