数据结构实践作业（三）文本文件单词的检索与计数 预习报告

---

一、实验任务与要求。

任务：建立一个文本文件，统计给定单词在文本文件中出现的总次数及位置

要求:

1.文本文件中每个单词不包含空格且不跨行，单词由字符序列构成且区分大小写,统计给定单词在文本文件中出现的总次数，检索输出的某个单词出现在文本中的行号、在该行中出现的位置。

2.设计数据量大的文本，进行子串的查询处理，分析算法运行的时间效率，对所有输出的匹配位置结果进行验证，以证明算法设计和实现的正确性。用朴素模式匹配算法或KMP算法实现字符串定位;

3.可正确读取，保存文本;

二、实现方法a

1.大致思路

首先要将文档中的内容导入到程序中的数据结构中，由于文档中全是英文单词，所以用于存储
文档内容的数据结构，我选择采用数组作为容器。

第一步：创建一个String类变量，储存文本文档路径。
第二步：创建一个String类数组，将文本文档的内容包括空格，全部导入到数组中。
第三步：输入待查找的单词，使用模式匹配算法，找到对应的单词，用变量记录下位置，并判断其前后是否有空格（即判断它是否为单独的单词，而不是其他单词的一部分）。若判断返回true，则返回单词位置，并继续向前遍历。计数器自加，若判断返回false，则继续向前遍历。

2.算法

朴素模式匹配算法

即遍历主串，然后把待匹配字符串与子串进行比对，先把待匹配子串的第一个字母与主串进行匹配，若匹配成功，则两串的坐标依次
++，匹配不成功时，主串坐标返回到开始匹配时的坐标，待匹配串坐标清零，若待匹配坐标等于待匹配子串长度，则证明匹配成功， 返回匹配完毕主串的第一个坐标，否则返回-1
假设主串的长度为N，待匹配串的长度为M，因为需要遍历主串，每次匹配的长度都小于等于M，所以它的时间复杂度是O(M*N)的。

KMP模式匹配算法

朴素的模式匹配效率不高的主要原因是进行了重复的字符比较。下一次比较和上一次比较没有任何的联系，是朴素模式匹配的缺点，其实上一次比较的比较结果是可以利用的，这就产生了快速模式匹配。在朴素的模式匹配中，目标串S的下标移动是一步一步的，这其实并不好，移动步数没有必要为1。
现在不妨假设，当前匹配情况是这样的：S0 …… St St+1 …… St+j 与 P0 P1…… Pj
，现在正在尝试匹配的字符是St+j+1和Pj+1，并且St+j+1 != Pj+1，言外之意就是说St St+1……St+j和P0
P1……Pj是完全匹配的。那么这个时候，S中下一次匹配开始位置应该是什么呢？？按照朴素的模式匹配，下次比较应该从St+1开始，并且令St+1和P0比较，但是在快速模式匹配中并不是这样，快速模式匹配选择St+j+1和Pk+1比较，K是什么呢？K是这样的一个值，使得P0
P1……Pk 和 Pj-k Pj-k+1……Pj完全匹配，不妨设k=next[j]，因此P0 P1……Pk和St+j-k St+j-k+1
……St+j完全匹配。那么下一次要进行匹配的两个字符应为St+j+1和Pk+1。S和P都没有回溯到下标0在进行比较，这就是KMP之所以快的原因啦。
现在关键问题来了，这个K怎么能得到呢？如果得到这个K值复杂度高，那这个思路就不好了，其实这个K呢，只和模式串P有关系，并且要求m个k，k =
next[j]，因此只要算一次存储到next数组中就可以了，并且时间复杂度和m有关系（线性关系）。看看具体怎么求next数组的值，即求k。
用归纳法求next[]：设next(0) = -1，若已知next(j) = k，欲求得next[j+1]。 （1）如果Pk+1 =
Pj+1，显然next[j+1] = k+1.如果Pk+1 != Pj+1，则next[j+1] < next[j]，于是寻找h < k
使得P0 P1……Ph = Pj-h Pj-h+1……Pj = Pk-h Pk-h+1……Pk。也就是说h =
next(k);看出来了吧，这是个迭代的过程。（也就是以前的结果对求以后的值有用） （2）如果不存这样的h，说明P0
P1……Pj+1中没有前后相等的子串，因此next[j+1] =-1.
（3）如果存在这样的h，继续检验Ph和Pj是否相等。知道找到这中相等的情况，或者确定为-1求next[j+1]的过程结束。

总结

本文简单介绍了文本文件单词的检索与计数，复杂点在于模式匹配算法的使用，和如何完整的将txt文件中的内容导入到数组中。