1.定义
串,即字符串(String)是由零工或多个字符组成的有限序列。
逻辑结构:串是一种特殊的线性表,数据元素呈线性关系。
2.串的基本操作
- StrAssign(&T,chars):赋值操作。把串T赋值为chars。
- StrCopy(&T,S):复制操作。由串S赋值得到串T。
- StrEmpty(S):判空操作。若S为空串,则返回TRUE,否则返回FALSE。
- ClearString(&S):清空操作。将S清为空串。
- DestroyString(&S):销毁串。将串S销毁(回收存储空间)。
- Concat(&T,S1,S2):串连接。用T返回由S1和S2连接而成的新串。
- SubString(&Sub,S,pos,len):求字串。用Sub返回串S的第pos个字符长度为len的子串。
- Index(S,T):定位操作。若主串S中存在与串T值相同的子串,则返回它在主串S中第一次出现的位置,否则返回函数值为0。
- StrCompare(S,T):比较操作。若S>T,则但会值>0;若S=T,则返回值=0;若S<T,则返回值<0。
3.串的存储结构
3.1顺序存储
//串的顺序存储
//静态数组实现(定长顺序存储)
#define MAXLEN 255 //预定义最大串长为255
typedef struct{
char ch[MAXLEN]; //每个分量存储一个字符
int length; //串的实际长度
}SString;
//动态数组实现(堆分配存储)
typedef struct{
char *ch; //按串长分配存储区,ch指向串的基地址
int length;
}HString;
HString S;
S.ch = (char *)malloc(MAXLEN * sizeof(char)); //用完需手动free
S.length = 0;
3.2链式存储
//串的链式存储
//存储密度低:每个字符1B,每个指针4B
typedef struct StringNode{
char ch; //每个结点存1个字符
struct StringNode *next;
}StringNode, *String;
//存储密度提高
typedef struct StringNode{
char ch[4]; //每个结点存多个字符
struct StringNode *next;
}StringNode,*String;
4.串的基本操作的实现
4.1 求子串
SubString(&Sub,S,pos,len):求字串。用Sub返回串S的第pos个字符长度为len的子串。
//求子串
int SubString(SString &Sub, SString S, int pos, int len){
//子串范围越界
if(pos+len-1 > S.length)
return 0;
for(int i=pos; i<=pos+len-1; i++){
Sub.ch[i-pos+1] = S.ch[i];
}
Sub.length = len;
return 1;
}
4.2 比较操作
StrCompare(S,T):比较操作。若S>T,则但会值>0;若S=T,则返回值=0;若S<T,则返回值<0。
//比较操作
int StrCompare(SString S, SString T){
for(int i=1; i<=S.length && i<=T.length; i++){
if(S.ch[i] != T.ch[i])
return S.ch[i]-T.ch[i];
}
//若扫描过的所有字符都相同,则长度长的串更大
return S.length-T.length;
}
4.3 定位操作
Index(S,T):定位操作。若主串S中存在与串T值相同的子串,则返回它在主串S中第一次出现的位置,否则返回函数值为0。
//定位操作
int Index(SString S, SString T){
int i=1, n=StrLength(S), m=StrLength(T);
SString sub; //用于暂存子串
while(i<=n-m+1){
SubString(sub, S, i, m);
if(StrCompare(sub, T) != 0) ++i;
else return i; //返回子串在主串中的位置
}
return 0; //S中不存在与T相等的子串
}
5.串的朴素匹配算法
原理:利用下标一一匹配。
//朴素模式匹配算法
int Index(SString S, SString T){
int k=1; //k指向S
int i=k;
int j=1; //j指向T
while(i<=S.length && j<=T.length){
if(S.ch[i] == T.ch[j]){
i++;
j++; //继续比较后继字符
}else{
k++; //检查下一个子串
i = k;
j = 1;
}
}
if(j > T.length)
return k;
else
return 0;
}
//朴素模式匹配算法(课本)
int Index(SString S, SString T){
int i=1; //i指向S
int j=1; //j指向T
while(i<=S.length && j<=T.length){
if(S.ch[i] == T.ch[j]){
i++;
j++; //继续比较后继字符
}else{
i = i-j+2;
j = 1; //指针后退重新开始匹配
}
}
if(j > T.length)
return i-T.length;
else
return 0;
}
若模式串长度为m,主串长度为n,则
匹配成功的最好时间复杂度:O(m)
匹配失败的最好时间复杂度:O(n-m+1) = O(n-m) ≈ O(n)
匹配成功/失败的最坏时间复杂度:O((n-m+1)*m) ≈ O(nm)
6.KMP算法
6.1 字符串的前缀、后缀和部分匹配值(PM)
前缀:除最后一个字符以外,字符串的所有头部子串
后缀:除第一个字符外,字符串的所有尾部子串
部分匹配值:字符串的前缀和后缀的最长相等前后缀
下面以’abcac’为例说明:
- 'a’的前缀和后缀都为空集,最长相等前后缀长度为0。
- 'ab’的前缀为{a},后缀为{b},{a}∩{b}=空集,最长相等前后缀长度为0。
- 'abc’的前缀为{a,ab},后缀为{c,bc},{a,ab}∩{c,bc}=空集,最长相等前后缀长度为0。
- 'abca’的前缀为{a,ab,abc},后缀为{a,ca,bca},{a,ab,abc}∩{a,ca,bca}={a},最长相等前后缀长度为1。
- 'abcac’的前缀为{a,ab,abc,abca},后缀为{c,ac,cac,bcac},{a,ab,abc,abca}∩{c,ac,cac,bcac}=空集,最长相等前后缀长度为0。
将部分匹配值写为数组形式,就得到了部分匹配值的表:
编号 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|
S | a | b | c | a | c |
PM | 0 | 0 | 0 | 1 | 0 |
下面用PM表来进行字符匹配:
主串 | a | b | a | b | c | a | b | c | a | c | b | a | b |
---|
子串 | a | b | c | a | c |
---|
第一趟匹配过程
主串 | a | b | a | b | c | a | b | c | a | c | b | a | b |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
子串 | a | b | c |
发现 c 与 a 不匹配,前面的两个字符’ab’是匹配的,查表可知,最后一个匹配字符 b 对应的部分匹配值为0,因此按照下面的公式算出子串需要向后移动的位数:
移动位数 = 以匹配的字符数 - 对应部分匹配值
因为2 - 0 = 2,所以将子串向后移动2位,进行二趟匹配。
第二趟匹配过程
主串 | a | b | a | b | c | a | b | c | a | c | b | a | b |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
子串 | a | b | c | a | c |
发现 c 与 b 不匹配,前面的四个字符’abca’是匹配的,最后一个匹配字符a对应的部分匹配值为1,4-1=3,将子串向后移动3位,进行第三趟匹配。
第三趟匹配
主串 | a | b | a | b | c | a | b | c | a | c | b | a | b |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
子串 | a | b | c | a | c |
子串全部比较完成,匹配成功。整个过程中,主串始终没有回退,故KMP算法可以在O(n+m)的时间数量级上完成串的模式匹配,大大提高了匹配效率。
某趟发生匹配失败时,如果对应的部分匹配值为0,那么表示以匹配相等序列中没有相等的前后缀,此时移动的位数最大,直接将子串的首字符移动到主串的第 i 个位置进行下一趟比较;如果以匹配相等序列中存在最大相等前后缀,那么将子串向右滑动到和该相等前后缀对应(这部分下一趟不需要对齐),让后从主串 i 位置进行下一趟比较。
6.2 KMP算法原理
失配后移动情况
主串 | a | b | a | b | c | a | b | c | a | c | b | a | b | |||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
a | b | c | a | c | ||||||||||||
a | b | c | a | c | ||||||||||||
a | b | c | a | c | ||||||||||||
a | b | c | a | c |
直接移动到合适位置
主串 | a | b | a | b | c | a | b | c | a | c | b | a | b | |||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
a | b | c | a | c | ||||||||||||
a | b | c | a | c |
KMP算法就是在失配后可以直接移动到合适位置
上面两张图片也解释了“移动位数=以匹配的字符数-对应的部分匹配值”,对应的部分匹配值不用再次进行比较,相当于主串的后缀和子串的前缀得到匹配。
6.3 next数组的求法
6.3.1 求法一
已知:右移位数 = 以匹配的字符数 - 对应的部分匹配值
写成:Move = (j-1) - PM(j-1) (子串和主串的下标都是从1开始的)
使用部分匹配值时,每当匹配失败,就去找它前一个元素的部分匹配值,这样使用起来有些不方便,所以将PM表右移一位,这样哪个元素匹配失败,直接看它自己的部分匹配值即可。
以上例中‘abcac’的PM表右移一位,就得到next数组
编号 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|
S | a | b | c | a | c |
next | -1 | 0 | 0 | 0 | 1 |
我们注意到:
1)第一个元素向右移动以后空缺用-1填充,因为若是第一个元素匹配失败,则需要将子串向右移动一位,而不需要计算子串的移动位置。
2)最后一个元素在右移的过程中溢出,因为原来的子串中,最后一个元素的部分匹配值是下一个元素使用的,但显然已没有下一个元素,故可以舍去。
这样,上式可以改写为:Move = (j-1) - next[j]
相当于将子串的比较指针回退到:j = j-Move = j-( (j-1) - next[j]) = next[j] + 1
有时为了公式更加简洁、计算简单,将next数组整体加1。
编号 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|
S | a | b | c | a | c |
next | 0 | 1 | 1 | 1 | 2 |
最终得到:j = next[j]。
next[j]的含义:在子串的第 j 个字符与主串发生失配时,则跳到子串的next[j]位置重新与主串当前位置进行比较。
6.3.2 求法二
当第 j 个字符匹配失败时,由前1~j-1个字符组成的串记为S,则:
next[j] = S的最长前后缀长度 + 1
特别地,next[1] = 0
6.3.3 next[ ]函数公式
next[j]=1时,代表没有相同前后缀(即不匹配)。
6.3.4 求next[ ]的代码:
//求模式串T的next数组
void get_next(SString T, int next[]){
int i=1, j=0;
next[1] = 0;
while(i < T.length){
if(j==0 || T.ch[i]==T.ch[j]){
i++;
j++;
//若pi=pj,则next[j+1]=next[j]+1
next[j+1] = j;
}else{
//否则令j=next[j],循环继续
j = next[j];
}
}
}
6.4 KMP算法代码
//KMP算法
int Index_KPM(SString S, SString T){
int i=1, j=1;
int next[T.length+1];
get_next(T, next); //求模式串的next数组
while(i<=S.length && j<=T.length){
if(j==0 || ch[i]==T.ch[j]){
i++;
j++; //继续比较后继字符
}else{
j = next[j]; //模式串向右移动
}
}
if(j > T.length)
return i-T.length; //匹配成功
else
return 0;
}
当子串和模式串不匹配时,主串指针 i 不回溯,模式串指针 j = next[j],算法平均时间复杂度:O(m+n)
7.KMP算法的优化
前面定义的next数组在某些情况下尚有缺陷,还可以进一步优化。模式’aaaab’在和主串’aaabaaaab’进行匹配时:
主串 | a | a | a | b | a | a | a | a | b |
---|---|---|---|---|---|---|---|---|---|
模式 | a | a | a | a | b | ||||
j | 1 | 2 | 3 | 4 | 5 | ||||
next[j] | 0 | 1 | 2 | 3 | 4 | ||||
nextval[j] | 0 | 0 | 0 | 0 | 4 |
这个例子中,'a’与’b’不匹配时,'b’会继续与该’a’前的’a’匹配,这显然是不合理的。
因此,我们使用递归,将next[j]修改为next[next[j]],直至两个不在相等为止,更新后的数组命名为nextval。
nextval[]数组的代码:
void get_nextval(String T, int nextval[]){
int i=1, j=0;
nextval[1] = 0;
while(i<T.length){
if(j==0 || T.ch[i]==T.ch[j]){
i++;
j++;
if(T.ch[i] != ch[j])
nextval[i] = j;
else
nextval[i] = nextval[j];
}else{
j = nextval[j];
}
}
}
KMP算法只需将next换位nextval即可。