字符串算法学习笔记

一些简单概念的定义

• 子串：字符串中连续的一段
• 前缀：出现在字符串开始位置的子串
• 后缀：出现在字符串结束位置的子串
• 真前缀：除字符串本身外的所有前缀
• 真后缀：除字符串本身外的所有后缀

给定一个字符串T（文本） 和一个单词P, 问P在T中出现过几次？分别在哪几个位置出现？

一些约定:

• n和m: 文本T的长度、P的长度
• ?_?: 字符串P的第i个字符（下标从1开始）
• ?[?…?]: 字符串P的第l个字符到第r个字符组成的字符串

朴素暴力解法

枚举T中的每个位置，检查P是否在此出现

最差时间复杂度为?(??)

kmp算法

KMP算法的主要思想是利用以比较结果跳过一些无效比较，是一种解决字符串匹配问题的线性时间算法
使用了一个辅助数组F，F定义如下：
- F[i]是一个的比i小的，最大的，满足 P[1…F[i]] 是P[1…i]的一个真后缀的数；
即每个F[i]都是P[1…i]的border(一个字符串中与真后缀相同的真前缀的最大长度)

F[i]代表最大的比i小的数，并且满足 P[1…i] 是P的一个真后缀

利用F数组快速匹配







代码实现

void getMatch(char *P,int m,char *T,int n)
{
    getF(P,m);
    int k=0;
    for(int i = 1; i <= n; ++i) 
    {
        while(k&&T[i]!=P[k+1]) k=F[k];
        if(T[i]==P[k+1]) ++k;
        if(k==m)
         {
            printf("matched at %d\n", i-m+1);
            k=F[k];
        }
    }
}

如何求出F数组
朴素求法：
枚举P[1…i]的前缀，check是否是P[1…i]的后缀，最长的满足条件的前缀即为F[i]
最差时间复杂度为?(?^? )

观察一下：
如果P[1…F[i]]是P[1…i]的一个后缀，那么P[1…F[i]-1]一定是P[1…i-1]的一个后缀；
再观察一下：
令Q=P[1…i]
P[1…F[i]]是Q的后缀
P[1…F[F[i]]]是Q的后缀
P[1…F[F[F[i]]]]是Q的后缀
P[1…F[F[F[F[i]]]]]是Q的后缀
P[1…F[F[F[F[F[i]]]]]]是Q的后缀

不断的把i带入F[i]得到的字符串P[1…F[i]]都是P的一个后缀

代码实现

void getF(char *P,int m) {
    F[1]=0;
    for(int i = 2; i <= m; ++i)
     {
        int k=F[i-1];
        while(k&&P[k+1]!=P[i]) k=F[k];
        if(P[k+1]==P[i]) ++k;
        F[i]=k;
    }
}

挖坑

Z-algorithm (求字符串每个后缀与原串的LCP)

AC自动机 (多串前缀匹配的类似于KMP的算法)

Manacher算法

后缀数组

后缀自动机