007.字符串匹配

最新推荐文章于 2024-10-30 20:07:18 发布

weixin_33859504

最新推荐文章于 2024-10-30 20:07:18 发布

阅读量123

点赞数

文章标签： python

原文链接：https://my.oschina.net/repine/blog/689369

版权

为什么80%的码农都做不了架构师？>>>

1.字符串的存储结构

顺序存储结构

用一组地址连续的存储单元来存储字符序列。
1.预定义的大小(每个字符串变量分配一个固定铲毒的存储区)。
2.一般用定长数组来定义。

链式存储结构

1.空间分配灵活

2.BF算法

Brute Force(野兽、暴力)
时间复杂度: O(m*n)<= (m-n+1)*n

3.KMP算法

看毛片算法-KMP算法(避免重复遍历的情况)
模式匹配方法：
时间复杂度：O(m+n)

1.KMP算法原理：

@author：阮一峰
@location：http://www.ruanyifeng.com/blog/2013/05/Knuth%E2%80%93Morris%E2%80%93Pratt_algorithm.html

举例来说，有一个字符串"BBC ABCDAB ABCDABCDABDE"，我想知道，里面是否包含另一个字符串"ABCDABD"？

1.首先，字符串"BBC ABCDAB ABCDABCDABDE"的第一个字符与搜索词"ABCDABD"的第一个字符，进行比较。因为B与A不匹配，所以搜索词后移一位。

2.因为B与A不匹配，搜索词再往后移。

3.就这样，直到字符串有一个字符，与搜索词的第一个字符相同为止。

4.接着比较字符串和搜索词的下一个字符，还是相同。

5.直到字符串有一个字符，与搜索词对应的字符不相同为止。

6.这时，最自然的反应是，将搜索词整个后移一位，再从头逐个比较。这样做虽然可行，但是效率很差，因为你要把"搜索位置"移到已经比较过的位置，重比一遍。

7.一个基本事实是，当空格与D不匹配时，你其实知道前面六个字符是"ABCDAB"。KMP算法的想法是，设法利用这个已知信息，不要把"搜索位置"移回已经比较过的位置，继续把它向后移，这样就提高了效率。

8.怎么做到这一点呢？可以针对搜索词，算出一张《部分匹配表》（Partial Match Table）。
这张表是如何产生的?

下面介绍《部分匹配表》是如何产生的。
首先，要了解两个概念："前缀"和"后缀"。 "前缀"指除了最后一个字符以外，一个字符串的全部头部组合；"后缀"指除了第一个字符以外，一个字符串的全部尾部组合。

"部分匹配值"就是"前缀"和"后缀"的最长的共有元素的长度。以"ABCDABD"为例，
 - "A"的前缀和后缀都为空集，共有元素的长度为0；
 - "AB"的前缀为[A]，后缀为[B]，共有元素的长度为0；
 - "ABC"的前缀为[A, AB]，后缀为[BC, C]，共有元素的长度0；
 - "ABCD"的前缀为[A, AB, ABC]，后缀为[BCD, CD, D]，共有元素的长度为0；
 - "ABCDA"的前缀为[A, AB, ABC, ABCD]，后缀为[BCDA, CDA, DA, A]，共有元素为"A"，长度为1；
 - "ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA]，后缀为[BCDAB, CDAB, DAB, AB, B]，共有元素为"AB"，长度为2；
 - "ABCDABD"的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB]，后缀为[BCDABD, CDABD, DABD, ABD, BD, D]，共有元素的长度为0。

"部分匹配"的实质是，有时候，字符串头部和尾部会有重复。
比如，"ABCDAB"之中有两个"AB"，那么它的"部分匹配值"就是2（"AB"的长度）。
搜索词移动的时候，第一个"AB"向后移动4位（已匹配字符串长度-部分匹配值），就可以来到第二个"AB"的位置。

9.已知空格与D不匹配时，前面六个字符"ABCDAB"是匹配的。查表可知，最后一个匹配字符B对应的"部分匹配值"为2，因此按照下面的公式算出向后移动的位数：

移动位数 = 已匹配的字符数 - 对应的部分匹配值
因为 6 - 2 等于4，所以将搜索词向后移动4位。

10.因为空格与Ｃ不匹配，搜索词还要继续往后移。这时，已匹配的字符数为2（"AB"），对应的"部分匹配值"为0。所以，移动位数 = 2 - 0，结果为 2，于是将搜索词向后移2位。

11.因为空格与A不匹配，继续后移一位。

12.逐位比较，直到发现C与D不匹配。于是，移动位数 = 6 - 2，继续将搜索词向后移动4位。

13.逐位比较，直到搜索词的最后一位，发现完全匹配，于是搜索完成。如果还要继续搜索（即找出全部匹配），移动位数 = 7 - 0，再将搜索词向后移动7位，这里就不再重复了。

KMP算法优化：

#!/usr/bin/python
# coding=utf8

"""
介绍：
1.KMP-俗称：看毛片算法
2.还有一个专业名词叫：模式匹配算法(按照某种方式来匹配字符串)
思想:

移动位数 ＝ 已匹配的字符数 － 对应的部分匹配值
例如：ABDAB
前缀： ['A', 'AB', 'ABD', 'ABDA'] 
后缀： ['BDAB', 'DAB', 'AB', 'B']
然后取一个交集。但是注意：(如果都是AAA， 那么数组可能不止一个，所以需要排序，取最后一个值)
交集： ['AB']
那么数组都排序取最后一个吧。

"""

# pStr 表示 partSearch要处理的字符串
def partSearch(pStr):
    # 前缀
    prefix = [pStr[:i+1] for i in range(len(pStr)-1)]
    # 后缀
    postfix = [pStr[i+1:] for i in range(len(pStr)-1)]
    # 排序后的交集
    intersection = sorted(list(set(prefix) & set(postfix)))
    # print intersection
    if intersection:
        # 返回 数组最后一个值的长度
        return [len(intersection[-1]), len(intersection)]
    return [0, 0]

# pStr表示父字符串， sStr表示子字符串
def kmpSearch(pStr, sStr):
    i = 0
    # 最多循环的次数
    while i < len(pStr) - len(sStr) + 1:
        match = True
        # 顺序比较数组的元素是否相同，而j则表示顺序匹配的字符数
        for j in range(len(sStr)):
            if pStr[i+j] != sStr[j]: 
                match = False
                break

        print pStr[i:]
        print sStr

        if match:
            return True

        """
        如果有部分匹配, 即 j>0 ：
        移动位数 = 已匹配的字符数 – 对应的部分匹配值
        如果没有匹配，就向前移动一位
        """       
        if j:
            # kmp优化，重复数据的出现问题。 
            if partSearch(sStr[:(j)])[1]>1 and j+1 < len(sStr) and sStr[j-1]==sStr[j] : 
                print '-----', sStr[j], sStr[j-1], sStr[j+1]
                i += partSearch(sStr[:(j)])[0]+2
            # 正常kmp算法代码部分
            else :
                i += j - partSearch(sStr[:j])[0]
        else:
            i += 1
        print "i=%s, j=%s" % (i, j), "****"*30

    # 如果循环完毕，还是无法匹配，则返回False
    return False

if __name__ ==  "__main__":
    pStr="ABDAB"
    # pStr="AAAAAB"
    # partSearch(pStr)[0]
    kStr="BAAAAABDAAEABCDERDABDABBBB"
    result=kmpSearch(kStr, pStr)
    print result

转载于:https://my.oschina.net/repine/blog/689369