03 串结构

第5章 串

• 串（string） 是由零个或多个字符组成的有限序列， 又名叫字符串。

5.1 开场白

5.2 串的定义

1. 定义：串（string） 是由零个或多个字符组成的有限序列， 又名叫字符串（序列说明串的相邻字符之间具有前驱和后继的关系）
2. 特点：一般记为s="a1a2......an"(n≥0)， s是串的名称，用双引号括起来的字符序列是串的值，ai（1≤i≤n） 可以是字母、 数字或其他字符，n称为串的长度
3. 空串：零个字符的串称为空串，可以用两双引号表示， 也可以用希腊字母Φ来表示。
4. 空格串：不同于空串，串的值可以是1个或多个空格
5. 子串与主串： 串中任意个数的连续字符组成的子序列称为该串的子串， 相应地， 包含
   子串的串称为主串。子串在主串中的位置就是子串的第一个字符在主串中的序号。

5.3 串的比较

1. 串的比较是通过组成串的字符之间的编码来进行的， 而字符的编码指的是字符在对应字符集中的序号

2. ASCII编码：由8位二进制数表示一个字符， 总共可以表示256个字符

3. Unicode编码：16位的二进制数表示一个字符， 这样总共就可以表示2¹⁶个字符， 约是6.5万多个字符， 足够表示世界上所有语言的所有字符了。 而且为了和ASCII码兼容， Unicode的前256个字符与ASCII码完全相同。

4. 比较方法：当满足以下条件之一时， s<t （其中n为s的长度，m为t的长度）

   1. n<m， 且ai=bi
   2. 存在某个k≤min（m， n） ， 使得ai=bi（i=1， 2， ……， k-1） ， ak<bk。

5.4 串的抽象数据类型

1. 与线性表的比较：线性表更关注的是单个元素的操作， 比如查找一个元素， 插入或删除一个元素；但串中更多的是查找子串位置、 得到指定位置子串、 替换子串等操作。
2. 结构

不同的编程语言可能还会有其他复杂的操作，这些操作是上面这些基本操作的扩展函数

5.5 串的存储结构

5.5.1 串的顺序存储结构

1. 定义：用一组地址连续的存储单元来存储串中的字符序列的。 按照预定义的大小， 为每个定义的串变量分配一个固定长度的存储区。 一般是用定长数组来定义。

2. 特点：串的顺序存储方式其实是有问题的，因为串的一些操作有可能使得串序列的长度超过了数组的长度，所以对于串的顺序存储， 有一些变化， 串值的存储空间可在程序执行过程中动态分配而得。 比如在计算机中存在一个自由存储区， 叫做**“堆”**。 这个堆可由C语言的动态分配函数malloc()和free()来管理。

5.5.2 串的链式存储结构

1. 定义：如果一个结点对应一个字符， 就会存在很大的空间浪费。 因此， 一个结点可以存放一个字符， 也可以考虑存放多个字符， 最后一个结点若是未被占满时， 可以用“#”或其他非串值字符补全。

2. 两种存储结构的对比：串的链式存储结构除了在连接串与串操作时有一定方便之外， 总的来说不如顺序存储灵活， 性能也不如顺序存储结构好。

5.6 朴素的模式匹配算法

• 子串的定位操作通常称做串的模式匹配。
• 该算法先遍历主串，再遍历字串，效率很低，最坏情况的时间复杂度为O((n-m＋1)*m) ，其中n为主串长度， m为要匹配的子串长度

5.7 KMP模式匹配算法

• 全称：努特—莫里斯—普拉特算法

5.7.1 KMP模式匹配算法原理

• 如果我们知道子串T中首字符“a”与T中后面的字符均不相等，而T串的第二位的“b”与主串S中第二位的“b”已经判断是相等的， 那么也就意味着， T串中首字符“a”与S串中的第二位“b”是不需要判断也知道它们是不可能相等了， 这样这一步判断是可以省略的。
• 主串（文本串）下标i通过不断地回溯来完成；子串（模式串）下标j值取决于当前字符之前的串的前后缀的相似度，与主串无关
• 把T串各个位置的j值的变化定义为一个数组next（即通过当前j值获得下一个j值）

5.7.2 next数组值推导

可以通过下面例子来理解上面公式

• 例1

• 例2

• 例3

• 例4

5.7.3 KMP模式匹配算法实现

这个地方推荐大家去Carl代码随想录中看KMP算法的讲解，非常详细易懂。可以点击链接。

5.8 总结回顾

5.9 结尾语