先扯一些有的没的:
模式匹配:模式匹配是数据结构中字符串的一种基本运算,给定一个子串,要求在某个字符串中找出与该子串相同的所有子串,这就是模式匹配。(wiki)
串的模式匹配的用处:
1.在给定文本(文本串)中定位给定字符串(模式串) 2.查询模式串在文本串中的出现次数 3.给出字典库中的优先匹配串……
先说一个朴素算法:
Brute force算法(BF算法 暴风算法),是普通的模式匹配算法,BF算法的思想就是将目标串S的第一个字符与模式串T的第一个字符进行匹配,若相等,则继续比较S的第二个字符和 T的第二个字符;若不相等,则比较S的第二个字符和T的第一个字符,依次比较下去,直到得出最后的匹配结果。(时间复杂度最差为O(n*m))
KMP算法:(复杂度O(n+m))
人为来说,BF算法回溯i指针的做法很愚蠢,能不能不回溯i指针,只修改j指针呢?当然可以,这就是KMP算法的核心思想:利用模式串已经部分匹配的信息,在失配后修改j指针的位置,而不用回溯i指针。那么问题的关键就是怎么移动j指针,我们设置一个next数组,next[j]的值就代表着文本串第i个字符与模式串第j个字符失配后,j指针要移动到的位置。设next[j]=k,那么next[j]具有这样的性质:模式串最前面的k个字符和j之前的最后k个字符是相同的。用数学语言表示即:P[0~k-1]=P[j-k~j-1]。(如图)
那么怎么求next数组呢?首先可以令next[0]=-1,这个表示和模式串第一个字符失配的时候j指针要移动到的位置,合理即可。再定义两个指针j=0,k=-1,其中j是用来遍历模式串的,k作为next数组某个位置的值。当k与j失配时,k=next[k];当k=-1时,说明k(原来的)与j失配了,那么有next[j]=k,当k!=-1,且s[k]==s[j]时,有next[j+1]=k+1(比较关键的一点就是,由s[j]和s[k]的关系,确定下一位也就是next[j+1]的值);由此我们就可以写出getnext函数,但是还有一个优化的小操作~
我们可以看到这种情况下回溯j指针也是没有意义的。即当P[j]=P[next[j]]的时候,因此就有了优化版本的getnext算法:
void getnext()
{
int i=0,k=-1;
Next[0]=-1;
while(i<m-1)
{
if(k==-1||s2[i]==s2[k])
{
if(s2[++i]==s2[++k])
Next[i]=Next[k];
else
Next[i]=k;
}
else
k=Next[k];
}
}
还有KMP算法:(得到模式串在文本串第一次出现的位置)
int kmp()
{
int i=0,j=0;
while(i<n&&j<m)
{
if(j==-1||s1[i]==s2[j])
++i,++j;
else
j=Next[j];
}
if(j==m)
return i-j+1;
else
return -1;
}
另外一个写法:(得到模式串在文本串中出现的次数 如AAA在AAAAA中出现了三次 分别在位置0 1 2)
void getnext()
{
int len=strlen(s2);
Next[0]=-1;
int j=0,k=-1;
while(j<len-1)
{
if(k==-1||s2[k]==s2[j])
{
++k,++j;
Next[j]=k;
}
else
k=Next[k];
}
}
void kmp()
{
cnt=0;
int len1=strlen(s1);
int len2=strlen(s2);
int i=0,j=0;
while(i<len1)
{
if(j==-1||s1[i]==s2[j])
++i,++j;
else
j=Next[j];
if(j==len2)
{
++cnt;
--i;
j=Next[j-1];
}
}
printf("%d\n",cnt);
}
可以看出,这种写法的KMP算法是没有进行上面提到的优化的,(因为优化的话反而会得不到正确结果 包括下面循环节也是)因此我们要针对题意写出不同的算法~
可能还是有点难以理解,需要大家自己模拟一下过程才能理解的更加深刻~
扩展知识点——循环节:
一个具有循环节的长度为n的字符串,满足:(1)循环节长度=n-next[n];(2)n%(n-next[n])=0;(下标从0开始 初始化next[0]=-1) (3)该循环节出现的次数(循环的次数)为:n/(n-next[n])。
举个例子:
对于字符串:abcabcabcabc
i | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
s | a | b | c | a | b | c | a | b | c | a | b | c | 无字符 |
next | -1 | 0 | 0 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
i-next[i] | 1 | 1 | 2 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 |
我们忽略next等于-1或者0的情况, 那么其余的有循环节的情况都是满足上式的。(注意:这样求解next数组的时候 是不用做那个优化操作的) 且从图表我们可以发现,对于i,我们处理出来的是前i位的数据,即[0,i-1],并不包括i,因此我们要处理出[0,n]的所有情况才正确,所以下面这个getnext和上面的迭代次数是不一样的。
那么当n%(n-next[n])!=0的时候呢?这时候可能存在错位、递推性周期相等的情况,即可能造成不完全循环,且不完全循环的周期依然为n-next[n]。比如对于字符串abcabca
i | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
s | a | b | c | a | b | c | a | 无字符 |
next | -1 | 0 | 0 | 0 | 1 | 2 | 3 | 4 |
i-next[i] | 1 | 1 | 2 | 3 | 3 | 3 | 3 | 3 |
若想在该字符串右边补上字符使其完全循环,因为循环节长度为n-next[n],设其为len,则需要补上:len-n%len个字符。
void getnext()
{
Next[0]=-1;
int j=0,k=-1;
while(j<n)
{
if(k==-1||a[j]==a[k])
{
++j,++k;
Next[j]=k;
}
else
k=Next[k];
}
}