串string的定义
1,串是由零个或多个字符组成的有限序列,又名字符串。串中的字符数目n称为串的长度,零个字符的串称为空串(null string)。
2,空格串:只包含空格的串。注意其和空串的区别:空格串是有内容有长度的,而且可以不止一个空格
3,子串和主串:串中任意个数的连续字符组成的子序列称为该串的子串,相应的,包含子串的串称为主串。
子串在主串中的位置就是子串的第一个字符在主串中的序号。
串的比较
串的比较是通过组成串的字符的编码来进行的,而字符的编码指的是字符在对应字符集中的符号。
- ASCII编码:8位二进制表示一个字符,总共可以表示256个字符。
- Unicode编码,由16位二进制表示一个字符,约能表示65万多个字符。为了和ASCII码兼容,Unicode的前256个字符与ASCII码完全相同
两个串怎么样才算相等:长度相等,且各个对应位置的字符都相等。
两个串不相等时,如何判定大小:
给定两个串,s=“a1a2a3…an”, t = “b1b2b3…bm”,当满足以下条件之一时,s<t。
- n<m,且ai = bi(i=1,2,…,n)。
- 存在某个k≤min(m,n),使得ai = bi(i=1,2,…,k-1),ak<bk。
串的抽象数据类型
串针对的是字符集。线性表更关注的是单个元素的操作,比如查找一个元素,插入或删除一个元素,但串中更多的是查找子串位置,得到指定位置子串,替换子串等操作。
ADT 串(string)
Data
串中元素仅由一个字符组成,相邻元素具有前驱和后继关系。
Operation
StrAssign(T,*chars):生成一个其值等于字符串常量chars的串T。
StrCopy(T,S):串S存在,由串S复制得串T。
ClearString(S):串S存在,将串清空。
StringEmpty(S):若串S为空,返回true,否则返回false。
StrLength(S):返回串S的元素个数,即串的长度。
StrCompare(S,T):若S>T,返回值>0;若S=T,返回0;若S<T,返回值<0。
Concat(T,S1,S2):用T返回S1和S2联接而成的新串。
SubString(Sub,S,pos,len):串S存在,1≤pos≤StrLength(S),且0≤len≤StrLength(S)-pos+1,用Sub返回串S的第pos个字符起长度为len的子串
Index(S,T,pos):串S和T存在,T是非空串,1≤pos≤StrLength(S)。若主串S中存在和串T值相同的子串,则返回它在主串S中第pos个字符之后第一次出现的位置,否则返回0.
Replace(S,T,V):串S、T和V存在,T是非空串。用V替换主串S中出现的所有与T相等的不重叠的子串。
StrInsert(S,pos,T):串S和T存在,1≤pos≤StrLength(S)+1。在串S的第pos个字符之前插入串T
StrDelete(S,pos,len):串S存在,1≤pos≤StrLength(S)-len+1。从串S中删除第pos个字符起长度为len的子串。
endADT
例:操作Index的实现算法(使用基本操作的扩展函数完成)
//T为非空串。若主串S中存在和串T值相同的子串,则返回它在主串S中第pos个字符之后第一次出现的位置,否则返回0.
int Index(String S, String T, int pos)
{
int n,m,i;
String sub;
if (pos > 0)
{
n = StrLength(S); //得到主串长度
m = StrLength(T);//得到子串长度
i = pos;
while(i <= n-m+1)
{
SubString(sub,S,i,m);//取主串第i个位置,长度与T相等子串给sub
if(StrCompare(sub,T)!= 0)//如果两串不相等
++i;
else
return i;
}
}
return 0;
}
其中用到了StrLength,SubString,StrCompare等基本操作来实现。
串的顺序存储结构
用一组地址连续的存储单元来存储串中的字符序列。有的语言规定在串值后面加一个不计入串长度的结束标记字符,比如“\0”来表示串值的终结。
这样有一个问题,就是对字符串进行操作时,都有可能使串序列的长度超过了数组的长度MaxSize。所以实际上串值得存储空间可在程序执行过程中动态分配而得,比如在计算机中存在一个自由存储区,叫做“堆”。这个堆可由C语言得动态分配函数malloc()和free()来管理。
ps:java中也有动态分配数组长度的设计,泛型ArrayList
串的链式存储结构
一个结点可以存放一个字符,也可以考虑存放多个字符,最后一个结点若是未被占满时,可以用“#”或其他非串值字符补全。
一个结点存多少个字符才合适就变得很重要,这会直接影响串处理的效率,需要根据实际情况做出选择。但是串的链式存储结构除了在链接串与串操作时有一定方便之外,总的来说不如顺序存储灵活,性能也不如顺序存储结构好。
朴素的模式匹配算法
主串S,子串T,对主串的每一个字符作为子串开头,与要匹配的字符串进行匹配。对主串做大循环,每个字符开头做T的长度的小循环,直到匹配成功或全部遍历完成为止。
例:操作Index的实现算法(使用基本的数组实现)
//T为非空串。若主串S中存在和串T值相同的子串,则返回它在主串S中第pos个字符之后第一次出现的位置,否则返回0.
//T非空,1≤pos≤StrLength(S)
int Index (String S, String T, int pos)
{
int i = pos;//i用于主串S中当前位置下标,若pos不为1,则从pos位置开始匹配
int j = 1;//j用于子串T中当前位置下标值
while (i <= S[0] && j <= T[0])//若i小于S长度 且 j小于T的长度时循环
{
if ( S[i] == T[j])//两字符相等则继续
{
++i;
++j;
}
else//若不相等,指针后退重新开始匹配
{
i = i-j+2;//i退回到上次匹配首位的下一位
j=1;//j退回到子串T的首位
}
}
if (j>T[0])
return i-T[0];
else
return 0;
}
时间复杂度,n为主串长度,m为子串长度:
- 最好的情况如果一开始就匹配上,时间复杂度为O(1)
- 最后才匹配上,但每一次不匹配的情况从第一个字符开始就不匹配,时间复杂度为O(n+m)
- 最坏的情况,最后才匹配上,但每一次匹配不上的情况都是最后一个字符不匹配,时间复杂度为O[(n-m+1)*m]
KMP模式匹配算法
和朴素匹配算法最大的区别在于 i 不回溯,j根据字符重复的程度进行移动,j值的变化定义为一个数组next,next长度就是T串的长度
代码实现
//通过计算返回子串T的next数组
void get_next (String T, int *next)
{
int i,j;
i = 1;
j = 0;
next[1] = 0;
while (i<T[0])//此处T[0]表示串T的长度
{
if (j==0 || T[i]==T[j]) //T[i]表示后缀的单个字符,T[j]表示前缀的单个字符
{
++i;
++j;
next[i] = j;
}
else
j = next[j]; //若字符不相同,则j值回溯
}
}
//T为非空串。若主串S中存在和串T值相同的子串,则返回它在主串S中第pos个字符之后第一次出现的位置,否则返回0.
//T非空,1≤pos≤StrLength(S)
int Index_KMP (String S, String T, int pos)
{
int i = pos;//i用于主串S中当前位置下标,若pos不为1,则从pos位置开始匹配
int j = 1;//j用于子串T中当前位置下标值
int next[255];
get_next(T,next);
while (i <= S[0] && j <= T[0])//若i小于S长度 且 j小于T的长度时循环
{
if ( j==0 || S[i] == T[j])//两字符相等则继续 与朴素算法相比增加了j=0判断
{
++i;
++j;
}
else//若不相等,指针后退重新开始匹配
{
j=next[j];//j退回合适的位置,i值不变
}
}
if (j>T[0])
return i-T[0];
else
return 0;
}
时间复杂度:get_next函数的复杂度为O(m),整个算法的时间复杂度为O(n+m)。
KMP模式匹配算法改进
//通过计算返回子串T的nextval数组
void get_nextval (String T, int *next)
{
int i,j;
i = 1;
j = 0;
nextval[1] = 0;
while (i<T[0])//此处T[0]表示串T的长度
{
if (j==0 || T[i]==T[j]) //T[i]表示后缀的单个字符,T[j]表示前缀的单个字符
{
++i;
++j;
if (T[i] != T[j]) //若当前字符与前缀字符不同,则当前的j为nextval在i位置的值;如果与前缀字符相同,则将前缀字符的nextval值赋值给nextval在i位置的值
nextval[i] = j;
else
nextval[i] = nextval[j];
}
else
j = nextval[j]; //若字符不相同,则j值回溯
}
}
实际匹配算法只要将get_next改成get_nextval即可。
总结改进过的KMP算法,它是在计算出next值的同时,如果a位字符与它next值指向的b位字符相等,则该a位的nextval就指向b位的nextval值。如果不等,该a位的nextval值就是它自己a位的next值。