数据结构与算法之“串”学习笔记

 

 

       在较早的程序设计语言中，字符串是作为输入和输出的常量出现的。随着语言加工程序的发展，产生了字符串处理。这样，字符串也就作为一种变量类型出现在越来越多的程序设计语言中，同事也产生了一系列字符串的操作。字符串一般称为串，在汇编和语言的编译程序中，源程序和目标程序都是字符串数据。在事务处理程序中，顾客的姓名和地址以及货物的名称、产地和规格等一般也是作为字符串处理的。又如信息检索系统、文字编辑程序、问答系统、自然语言翻译系统以及音乐分析程序等，都是以字符串数据作为处理对象的。

       如今使用的计算机的硬件结构主要是反映数值计算的需要的，因此，在处理字符串数据时比处理整数和浮点数要复杂得多。在不同的类型的应用中，所处理的字符串具有不同的特点，要有效地实现字符串的处理，就必须根据具体情况使用合适的存储结构。

一、串类型的定义：

      1、串（String）是由零个或多个字符组成的有限序列：

      2、串相等：当且仅当两个串的值相等。只有当两个的长度相等，并且各个对应位置的字符都相等时才相等。

二、串的表示和实现：

      1、定长顺序存储表示：类似于线性表顺序存储结构，用一组地址连续的存储单元存储串值的字符序列。在串的定长顺序存储结构中，按照预定义的大小，为每个定义的串变量分配一个固定长度的存储区。

      2、对分配存储表示：这种存储表示的特点是，仍以一组地址连续的存储单元存放串值字符序列，但它们的存储空间是在程序执行过程中动态分配而得。在C语言中，存在一个称之为“堆”的自由存储区，并由C语言的动态分配函数malloc()和free()来管理。利用函数malloc()为每个新产生的串分配一块实际串长所需的存储空间，若分配成功，则返回一个指向起始地址的指针，作为串的基址。

 

 

 

 

      3.串的块链存储表示：和线性表的链式存储结构相类似，可采用链表方式存储串值。由于串结构的特殊性——结构中的每个元素是一个字符，则用链表存储值时，存在一个“结点大小”的问题。即每个结点可以存放一个字符，也可以存放多个字符。

      为了方便进行串的操作，当以链表存储串值时，除头指针外还可以附设一个尾指针指示链表中的最后一个结点，并给出当前的长度。称如此定义的串存储结构为块链结构：

 

三、串的模式匹配算法：

      1.求子串位置的定位函数Index(S,T,pos) :

          子串的定位操作通常称做模式匹配（其中T称为模式串）：

      2、BF算法：

           BF算法的BF是Brute Force的缩写，我们的主串中，检查起始位置分别是1、2.....n-m且长度m的n-m+1个子串，看有没有跟模式串匹配的。

          

                 

       3.RK算法：

           RK算法的思路是这样的：我们通过哈希算法对主串的n-m+1个子串分别求哈希值，然后逐个与模式串的哈希值比较大小。如果某个子串的哈希值与模式串相等，那就说明对应的子串和模式串匹配了。

             

         4、BM算法：

              核心思想是把模式串和主串的匹配过程，看做模式在主串中不停地往后滑动，当遇到不匹配的字符时，BF算法和RK算法的做法是，模式串往后滑动一位，然后从模式串的第一个字符开始重新匹配。而BM算法就是在模式串与主串匹配的过程中，当模式串和主串某个字符不匹配的时候，能够跳过一些肯定不会匹配的情况，讲模式串往后多滑动几位。

            BM算法的匹配顺序是倒着匹配的

            坏字符规则：从模式串的末尾往前倒着匹配，当发现某个字符没法匹配的时候。我们把这个没有匹配的字符叫坏字符。

            坏字符的代码实现

public int bm(char[] a, int n, char[] b, int m) {
        int[] bc = new int[SIZE]; // 记录模式串中每个字符最后出现的位置
        generateBC(b, m, bc); // 构建坏字符哈希表
        int i = 0; // i 表示主串与模式串对齐的第一个字符
        while (i <= n - m) {
            int j;
            for (j = m - 1; j >= 0; --j) { // 模式串从后往前匹配
                if (a[i+j] != b[j]) break; // 坏字符对应模式串中的下标是 j
            }
            if (j < 0) {
                return i; // 匹配成功，返回主串与模式串第一个匹配的字符的位置
            }
            // 这里等同于将模式串往后滑动 j-bc[(int)a[i+j]] 位
            i = i + (j - bc[(int)a[i+j]]);
        }
        return -1;
    }

           好后缀规则：把已经匹配的bc叫做好后缀。

    

     5、KMP算法：