2021-03-02

实验任务三：文本文件单词的检索与计数 ——（实验准备）

实验任务
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；

实现要求

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。

3. 用朴素模式匹配算法或KMP算法实现字符串定位； 可正确读取，保存文本；

实验思路

首先创建一个变量，用于储存文本文档路径。然后创建一个数组，将文本文档的内容包括空格，全部导入到数组中。输入要查找的单词，使用朴素模式匹配算法，找到对应的单词，用变量记录下位置，并判断它是否为单独的单词。若判断为true，则返回单词位置，并继续向前遍历，计数器++。若判断返回false，则继续向前遍历。

朴素模式匹配算法

就是遍历主串，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算法

因为朴素匹配的时间复杂复杂度为O(M*N)，因此我们寻求一个时间复杂度较小的模式匹配算法，
KMP，一般用来表示克努斯-莫里斯-普拉特算法（Knuth-Morris-Pratt），是在一个“主文本字符串” Str内查找一个“词” Match 的出现，通过观察发现，在不匹配发生的时候这个词自身包含足够的信息来确定下一个匹配将在哪里开始， 以此避免对以前匹配过的字符重新检查。KMP模式匹配算法主要解决的是传统朴素模式匹配算法，当主串从i开始进行匹配，当匹配到j位置时，发现不匹配，主串跳回i+1位置，匹配串跳回0位置，这就导致匹配的效率很低，时间复杂度很高。KMP则当到j位置不匹配时，主串不动，匹配串先通过计算从当前位置的前缀子串和后缀子串的最大匹配串的长度， KMP算法的精髓就是在于求nextArray的过程，这个数组的作用就是把待匹配字符串从头开始向右滑动和主串进行匹配（每次滑动的大小就是nextArray[i]存储的值的大小）从而省去了match字符串返回到终点和主串返回到i+1位置 上的过程。

KMP算法的时间复杂度：

匹配的过程会遍历主串，遍历主串的代价是O(N)的。

小结
朴素模式匹配算法和KMP算法对实现字符串定位的用处很大，在设计数据量大的文本时，使用KMP算法会优于朴素模式匹配算法。