第77篇 C++实现字符串匹配（二）RK算法

1.RK简单描述

这是由Rabin和Karp提出的字符串匹配（检索）算法，即称RK算法。RK算法的基本思想是按字符串的Hash值查找，即：

计算出两个字符串的Hash值，如果两个字符串hash的值不相同，则它们肯定不相同，已经没有去比较字符串内容的必要，如果它们hash后的值相同，它们不一定相同，但是可以通过比较内容去确定两个字符串是否相同。

RK算法的基本思想就是：将目标字符串target的hash值跟主串mainString中的每一个长度为target.length的子串的hash值比较。如果二者hash值不同，则它们肯定不相等；如果二者hash值相同，则再逐位比较每一个字符。

计算目标字符串的Hash值：
这里有很多形式，我暂时没有什么好的方法，直接计算字符对应的ASCII码值，当然为了避免加起来的值太大，加的是每个字符减掉’A’。
计算如下：

int targetHash = 0;
for(char c: target) {
	targetHash += c – 'A';
}

这样的话，如果字符全部是由ASCII码小于128且大于65的字符组成，最少可以计算的target的长度为：
len = 2147483647 / (127 – 65) = 34636833(接近3500万（个字符）的长度)。
最多就是2147483647（21亿个字符）了，即字符全是’B’的时候。（int为-2^31—231-1）

而主串长度为target.length的子串p计算初始时即是从首位0到target.length-1处的Hash值，巧妙的是如果匹配不成功，往后的计算都是减掉p的第一位，然后从主串中p末位的后一位加进来即可。即主串每次都是往后移动一位，没有回溯。

我的话说得不怎么明白，且看如下字符串。

串	0	1	2	3	4	5	6	7	8	9
S	a	b	c	a	b	c	m	n	b	c
T	b	c	m	n

（1）计算T的hash值：Thash = ‘b’- ‘A’ + ’c’ - ‘A’ +’m’ - ‘A’ +’n’ - ‘A’ = 98 – 65 + 99 – 65 + 109 – 65 + 110 – 65 = 156;（代码中通过循环实现）
（2）计算S第一个子串P的hash值：Phash = ‘a’ - ‘A’ +’b’ - ‘A’ +’c’ - ‘A’ +’a’ - ‘A’ = 97 – 65 + 98 – 65 + 99 – 65 + 97 – 65 = 131;（注意每次都减掉’A’，不然字符串过长是，很容易溢出）。
（3）比较T和P的hash值，因为二者不相等，所以，直接移动主串，即更新P的hash值，更新：Phash -= S[0] – ‘A’，Phash += s[4] – ‘A’，即先减掉P的首位，再加上字符串P在S中后一位的hash值，上述可简化为Phash = Phash – (S[0] – ‘A’) + (s[4] – ‘A’)，再化简就是Phash = Phash – S[0] + s[4] = Phash – (S[0] - s[4])，结果为Phash -= S[0] - s[4]；Phash = 132；
（4）因为Thash = 156不等于132，所以Phash -= S[1] – S[5]，Phash = 133；
（5）因为Thash = 156不等于133，所以Phash -= S[2] – S[6]，Phash = 143；
（6）因为Thash = 156不等于143，所以Phash -= S[3] – S[7]，Phash = 156；
（7）Thash = 156等于Phash = 156，且此时P = “bcmn” == T = “bcmn”，匹配成功。

可以看出过程简单，而且不需要主串回溯，就感觉很行，而且避免了不必要的比较。

2.代码解说

这是全部代码。

#include <iostream>
using namespace std;
#include <string>

//Rabin-Karp RK算法   哈希检索
int rabinKarp(string mainString, string target);
bool isMacth(string s, int i,string p,int m);
void rabinKarpTest();

int main() {
	rabinKarpTest();
	return 0;
}

//Rabin-Karp RK算法   哈希检索
int rabinKarp(string mainString, string target) {
	int mlen = mainString.size();
	int tlen = target.size();

	int targetHash = 0;
int mainSubStrHash = 0;//默认tlen <= mlen
	for(int i = 0;i < tlen;i++) {
		targetHash += (target[i] - 'A');
		mainSubStrHash += (mainString[i] - 'A');
	}

	for(int i = tlen;i < mlen + 1;i++) {
		if(targetHash == mainSubStrHash && isMacth(mainString,i - tlen,target,tlen)) {
			return i - tlen;
		}
		mainSubStrHash -= mainString[i - tlen] - mainString[i];
	}

	return -1;
}

bool isMacth(string s, int i,string p,int m) {
	for(int j = i,k = 0;j < i + m && k < m;j++, k++) {
		if(s[j] != p[k]) {
			return false;
		}
	}
	return true;
}

void rabinKarpTest() {
	string mainString;
	string target;
	int contin = 1;
	do {
		system("cls");
		cout << "当前检测的是RK（RabinKarp）算法\n" << endl;
		cout << "请输入mainString：";
		cin >> mainString;
		cout << "请输入target：";
		cin >> target;

		int result =  rabinKarp(mainString, target);
		if(result != -1) {
			cout << target << "的起始位置在" << mainString << "的" << result << "处" << endl;
		}
		else {
			cout << target << "不在" << mainString << "中" << endl;
		}

		cout << "继续检测输入1，否则输入0：";
		cin >> contin;
	} while (contin == 1);
	cout << "欢迎再次检测！" << endl;
}

先计算target的hash值以及主串第一个长度为target.length的子串的hash值，默认tlen <= mlen，因为我们可以先判断target的长度是否大于mainString的长度，大于那肯定就匹配不成功了。

int targetHash = 0;
int mainSubStrHash = 0;//默认tlen <= mlen
for(int i = 0;i < tlen;i++) {
	targetHash += (target[i] - 'A');
	mainSubStrHash += (mainString[i] - 'A');
}

下面说说为什么循环条件是mlen + 1，即主串长度加一。
比如mainString = “123”，target = “23”，
进入循环时i = 2，然后匹配是不成功的，所以更新hash值后，i++，此时 i为3，那么i就等于主串的长度了，如果条件是mlen的话，就不匹配了。

for(int i = tlen;i < mlen + 1;i++) {
	if(targetHash == mainSubStrHash && isMacth(mainString,i - tlen,target,tlen)) {
		return i - tlen;
	}
	mainSubStrHash -= mainString[i - tlen] - mainString[i];
}

3.结语

RK算法是除了BF算法之外的匹配算法，我一看就懂的，特别容易理解，而且写一遍代码之后，就已经记住了，而且原理也很清晰明了。当然了，我个人表述应该不是很明了，哈哈。
其实不会的东西我有个习惯就是先知道答案再去做去理解，这也有效果的，这也不失为一种学习方法，自己苦苦思索很久，有时候也不太明智。