串(或字符串)是由0个或多个字符组成的有限序列。0个字符的串成为空串。串中任意个连续的字符组成的子序列称为该串的子串。
串的表示和实现
串有3种机内表示方法:定长顺序存储表示,堆分配存储表示,串的块链存储表示。
1、定长顺序存储表示:用一组地址连续的存储单元存储串值的字符序列。
//--------串的定长顺序存储表示--------
#define MAXSTRLEN 255 //用户可以在255以内定义最大串长typedef unsignedchar SString[MAXSTRLEN+1]; //C语言中以‘\0’结束
弊端:如果操作中出现串值序列的长度超过上界MAXSTRLEN 时,约定用截尾法处理。要克服这种弊病唯有不限定串长的最大长度,即动态分配串值的存储空间。
2、堆分配存储表示: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语言中使用malloc()和free()来管理堆空间。
//--------串的堆分配存储表示--------
typedef struct{char *ch; //若是非空串,则按串长分配存储区,否则ch为NULL
int length; //串长度
}HString;
3、串的块链存储表示:类似于链表,只是每个节点是一块连续结构。最后一个节点不一定会被串值占满,此时通常补上'#'或者其它非串值字符(通常‘#’不属于串的字符集,是一个特殊的符号)。
//--------串的块链存储表示--------
#define CHUNKSIZE 80
typedefstructChunk{charch[CHUNKSIZE];struct Chunk *next;
}Chunk;
typedefstruct{
Chunk*head, *tail; //指向头和尾,tail是方便串连接用的
int curlen; //串的当前长度
}Lstring;
串的模式匹配算法
子串的定位操作通常称为串的模式匹配,是各种串处理系统中最重要的操作之一。
下面的算法是一种很自然的思路:
1 int index(HString S, HString T, intpos){2 //返回子串T在主串S中第pos个字符之后的位置。若不存在,则函数值为0。3 //其中,T非空,1≤pos≤StrLength(S)。
4 if(S == null || T == null || pos < 0 || pos >=S.length)5 returnERROR;6 i = pos; j = 0;7 while(i < S.length && j
10 }else{11 i = i - j + 1; j = 0; //指针后退,重新开始匹配
12 }13 }14 if(j = T.length) return i -T.length;15 else return 0;16 }
字符串的模式匹配算法的改进是KMP算法。具体的可以参看相关的论文或者是《数据结构——C语言版》(清华大学出版)。
下面看看java的String中是如何实现字符串的模式识别的(String.class关联的源代码):
1 static int indexOf(char[] source, int sourceOffset, intsourceCount,2 char[] target, int targetOffset, inttargetCount,3 intfromIndex) {4 if (fromIndex >=sourceCount) {5 return (targetCount == 0 ? sourceCount : -1);6 }7 if (fromIndex < 0) {8 fromIndex = 0;9 }10 if (targetCount == 0) {11 returnfromIndex;12 }13
14 char first =target[targetOffset];15 int max = sourceOffset + (sourceCount -targetCount);16
17 for (int i = sourceOffset + fromIndex; i <= max; i++) {18 /*Look for first character.*/
19 if (source[i] !=first) {20 while (++i <= max && source[i] !=first);21 }22
23 /*Found first character, now look at the rest of v2*/
24 if (i <=max) {25 int j = i + 1;26 int end = j + targetCount - 1;27 for (int k = targetOffset + 1; j < end &&source[j]28 == target[k]; j++, k++);29
30 if (j ==end) {31 /*Found whole string.*/
32 return i -sourceOffset;33 }34 }35 }36 return -1;37 }