Coursera北大《数据结构基础》之字符串

本文基于Coursera北大课程《数据结构基础》，所有文中非标注图片均来自课件，侵删

目录

1. 字符串基本概念

1.1 什么是字符串

1.2 字符编码

1.3 字符串数据类型

1.4 子串（substring）

2. 字符串的存储结构

3. 字符串运算的算法实现

4. 字符串的模式匹配（pattern matching）

4.1 朴素算法（Brute Force/Naive）

4.2 KMP快速模式匹配（Knuth-Morrit-Pratt）

4.2.1 字符串的特征向量定义

4.2.2 字符串的特征向量构造方法

参考资料

---

---

1. 字符串基本概念

1.1 什么是字符串

字符串是特殊的线性结构，即元素为字符的线性表。

设一个长度为N的字符串为S: "c0c1c2...cn-1"，其中S为字符串串名，c0至cn-1则为串值，N为串长。

1.2 字符编码

在编码上，字符编码使用了单字节（8 bits）的ASCII码对128个符号进行编码；在更复杂的文字例如中文、日语、韩语字符时，使用UNICODE(16 bits)进行编码。判断字符串的大小是通过编码顺序判断的，字符编码表一般遵循约定俗成的“偏序编码规则”。

1.3 字符串数据类型

根据语言不同而不同，总体来说有简单类型和复合类型两种观念。

1.4 子串（substring）

子串就是从某个字符串中取出的一部分，而被取出的这个整体就是主串。

• 空串是任意串的子串。
• 任意串S都是S本身的子串。
• 真子串：非空且不为自身的子串。

2. 字符串的存储结构

字符串存为链表没有什么很大的优势，因为其操作通常都是以串为单位进行的，所以字符串更多是顺序存储。

对于串长变化不大的字符串，有三种常见的处理方案：

1. 用S[0]作为记录串长的存储单元（Pascal）。缺陷是只有一个字节的长度来存这个值，所以字符串整体长度不能超过2^8=256 bits
2. 为存储串的长度另找一个存储地址。缺陷是串的最大长度是fixed，不能动态申请数组空间。
3. 用一个特殊的末尾标记，在C或C++中用'\0'，'\0'等价于NULL(注意这个末尾结束符不占字符串本身声明长度)

Pascal是一个有影响的面向对象和