python字符串处理编程实例_Python实现字符串匹配算法代码示例

字符串匹配存在的问题

Python中在一个长字符串中查找子串是否存在可以用两种方法：一是str的find()函数，find()函数只返回子串匹配到的起始位置，若没有，则返回-1；二是re模块的findall函数，可以返回所有匹配到的子串。

但是如果用findall函数时需要注意字符串中存在的特殊字符

蛮力法字符串匹配：

将模式对准文本的前m(模式长度)个字符，然后从左到右匹配每一对对应的字符，直到全部匹配或遇到一个不匹配的字符。后一种情况下，模式向右移一位。

代码如下：

def string_match(string,sub_str):

# 蛮力法字符串匹配

for i in range(len(string)-len(sub_str)+1):

index = i # index指向下一个待比较的字符

for j in range(len(sub_str)):

if string[index] == sub_str[j]:

index += 1

else:

break

if index-i == len(sub_str):

return i

return -1

if __name__ == "__main__":

print(string_match("adbcbdc","dc"))

最坏情况下，该算法属于Θ(nm)，事实上，该算法的平均效率比最差效率好得多。事实上在查找随机文本的时候，其属于线性的效率Θ(n)。

Horspool算法：

Horsepool算法是Boyer-Moore算法的简化版本，这也是一个空间换时间的典型例子。算法把模式P和文本T的开头字符对齐，从模式的最后一个字符开始比较，如果尝试比较失败了，它把模式向后移。每次尝试过程中比较是从右到左的。

在蛮力算法中，模式的每一次移动都是一个字符，Horspool算法的核心思想是利用空间来换取时间，提升模式匹配窗口的移动幅度。与蛮力算法不同的是，其模式的匹配是从右到左的，通过预先算出每次移动的距离并存于表中。

代码如下：

__author__ = 'Wang'

from collections import defaultdict

def shift_table(pattern):

# 生成 Horspool 算法的移动表

# 当前检测字符为c，模式长度为m

# 如果当前c不包含在模式的前m-1个字符中，移动模式的长度m

# 其他情况下移动最右边的的c到模式最后一个字符的距离

table = defaultdict(lambda: len(pattern))

for index in range(0,len(pattern)-1):

table[pattern[index]] = len(pattern) - 1 - index

return table

def horspool_match(pattern,text):

# 实现 horspool 字符串匹配算法

# 匹配成功，返回模式在text中的开始部分；否则返回 -1

table = shift_table(pattern)

index = len(pattern) - 1

while index <= len(text) - 1:

print("start matching at",index)

match_count = 0

while match_count < len(pattern) and pattern[len(pattern)-1-match_count] == text[index-match_count]:

match_count += 1

if match_count == len(pattern):

return index-match_count+1

else:

index += table[text[index]]

return -1

if __name__ == "__main__":

print(horspool_match("barber","jim_saw_me_in_a_barbershopp"))

显然，Horspool算法的最差效率属于属于Θ(nm)。在查找随机文本的时候，其属于线性的效率Θ(n)。虽然效率类型相同，但平均来说，Horspool算法比蛮力算法快很多。

总结

以上就是本文关于Python实现字符串匹配算法代码示例的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站：

如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！