day 5 字符串专题（详细解读+代码举例）

1 字符串hash

思考一个问题：如何将一个二维整点P的坐标映射为一个整数，使得整点P可以由该整数唯一地代表。

假设一个点P的坐标为（x,y），那么可以令hash函数为H（P）=x*Range + y，这样对数据范围内的任意两个整点P1和P2，H（P1）都不会等于H（P2），就可以用H（P）唯一地代表该整点P，接着便可以通过整数hash的方法来进一步映射较小的范围。

字符串hash是指将一个字符串S映射为一个整数，使得该整数可以尽可能地唯一地代表字符串S。

例如假设字符串由大写字母A~Z构成，在这个基础上，令A=0，B=1…Z=25,这样就把26个大写字母对应到了二十六进制中，接着按照二十六进制转换为十进制的方法，就可以唯一地得到某个十进制数字。

int hashFunc(char S[],int len)
{
	int id=0;
	for(int i=0;i<len;i++)
	{
		id=id*26+（S[i]-'A'）;
	}
	return id;
}

显然，如果字符串S的长度比较长，那么转换得到的整数会很大。因此注意len的大小不能太大。

同理，如果又出现了小写字母a~z那么可以用五十二进制转换十进制，但这样导致得到的整数更大。

2 字符串hash进阶

对于上面的二十六进制转换为十进制的方法：

	id=id*26+（S[i]-'A'）;

在这个转换中，虽然字符串与整数是一一对应的，但是由于没有适当处理，可能产生极大的整数，因此为了应对这种情况，我们可以舍弃一些“唯一性”，将产生的结果对应一个整数mod取模，也就是使用下列函数：

id = (id*26+(S[i]-'A'))%mod

通过这种方式可以把字符串转换成范围内可以接受的整数。但这产生了重复问题，不过幸运的是在int范围内，如果进制数设置为一个10^7级别的素数（例如10000019），同时把mod设置为一个10的9次方级别的素数（如1000000007），那么冲突的概率会变得很小。

2 KMP算法

如果给出两个字符串text和pattern，需要判断字符串pattern是否是字符串text的子串，一般把字符串text称为文本串，而把字符串pattern称为模式串，例如给定文本串text=“caniwaitforyourheart”，那么模式串pattern=‘wait’是它子串，而pattern=‘sorry’就不是。

暴力破解当然简单，但是复杂度达到了O（mn）级别，是无法承受的。

下面利用KMP算法解决问题，复杂度仅仅为O（n+m）。

2.1 next数组

假设有一个字符串s，那么它以i号位作为结尾的子串就是s[0,1，…i]。对该子串来说，长度为k+1的前缀和后缀为s[0,1,…k],s[i-k…i]，现在定义一个int型的数组next，其中next[i]表示使子串s[0,1,2…i]的前缀s[0,1，2,3…k]等于后缀s[i-k…i]的最大的k，如果找不到相等的前后缀，那么令next[i]=-1,。显然，next[i]就是所求最长相等前后缀中前缀最后一位的下标。
具体过程可以看下图：

举个例子，例如next[2]=0,此时字符串为abc，当k=0时，前缀是s[0]=a，后缀为s[2-0…2],所以后缀是s[2]=a,前后缀相等，得到k=0；

解决思路如下：

1. 初始化数组next，令j=next[0]=-1;
2. 让i在1~len-1范围遍历，对每个i，执行3和4
3. 不断令j=next[j],知道j回退为-1，或者s[i]=s[j+1]成立
4. 如果s[i]==s[j+1],则next[i]=j+1,否则next[i]=j;

void  getNext(char s[],int len)
{
	int j=-1;
	next[0]=-1;
	for(int i=1;i<len;i++)
	{
		while（j!=-1&&s[i]!=s[j+1]）
		{
		j = next[j];
		}
		if(s[i]==s[j+1])
		{
			j++	;
		}
		next[i]=j;
	}
}

2.2 KMP算法

在此前的基础上，KMP就是依样画葫芦。

更定文本串text=‘abababaabc’，模式串pattern=‘ababaab’，如下图所示：

令i指向text的当前欲比较位，令j指向pattern中当前已被匹配的最后位，这样只要text[i]==pattern[j+1]，成立就说嘛pattern[j+1]也被匹配成功，让i和j同时加一继续比较，知道j达到m-1说明pattern是text的子串。

接着继续匹配，此时i指向text[5],j指向pattern[4]，表面pattern[0…4]已经匹配成功。但是显然text[5]跟pattern[4+1]匹配失败，难道我们需要从0开始继续比较么？当然不需要

为了不让j退回-1，应找到离当前j最近的j`，使得text[i]==pattern[j`+1]成立，并且pattern[0…j`]仍然与text的相应位置处于匹配状态。从这里可以看到，next数组的含义就是但j+1位匹配失败时，j应该回退到的位置。

因此KMP算法的思路就是：

1. 初始化j=-1，表示pattern当前已被匹配的最后位
2. 让i遍历文本text，对每个i，执行3,4来视图匹配text[i]和pattern[j+1]
3. 不断令j=next[j]，知道j回退为-1，或者是text[i]==pattern[j+1]成立
4. 如果text[i]==pattern[j+1]，则令j++，如果j达到m-1，说明pattern是text的子串，返回true