字符串匹配算法
1. 问题描述
给定目标字符串 T[0..n-1] (基于 0 的数组,数组长度为 n ),和模式串 P[0..m-1] ,问P 可否匹配 T 中的任意子串,如果可以,返回匹配位置。
2.问题分析
直观分析
暴力法,适用于较小规模的字符串匹配。
优化
主要有3=种优化办法,分别具体为: Rabin-Karp 算法,有限自动机和 KMP 算法。
1、Rabin-Karp 算法
Rabin-Karp 算法(以下简称为 RK 算法),是基于这样的思路:即把串看作是字符集长度进制的数,由数的比较得出字符串的比较结果。例如,给定字符集为∑ ={0,1,2,3,4,5,6,7,8,9} ,∑长度为 d=10 ,那么任何以∑为字符集的串都可看作 d (此处为 10 )进制的数。记模式串 P[0..n-1] 对应的数值为 P , T[0..n-1] 所有长度为 m 的子串对应的数值为 ts ,设 P 和 T 都是基于字符集长度为 |∑ |=d 的字符串。
那么, ts 即为 T[s..s+m] 对应的数值,这里 0<=s<=n-m-1 。
P = P[m]+d*(P[m-1]+d*(P[m-2]+..)))
同样 t0 也可类似求得。
最重要的是如何从 ts 求出 ts+1 。ts+1 =T[s+m]+d*(ts -d^(m-1) *T[s])注:此处是该算法的关键,即在常数时间内能够计算出下一个 m 长度的字串对应的数值。初看比较抽象,举个例子就比较明白了,设 x=12345 ,现在是已知长度为 3 的数值 234 ,现在要求 345 对应的数值,可以这样来得到: 345 = 5 + 10*(234-102 *2)
2、算法描述
求出所有 m 长度子串所对应的数值,对数值进行比较,继而得出子串是否匹配。当模式串长度很大时,这时对应的数值会很大,比较起来比较麻烦,可使用对一个大奇数取模后进行比较。
3、具体实现
这里实现的只是m值较小时的情形,大整数需要特定的类的支持(如可自定义大整数类),选取10进制的数是为了方便起见,当然字母也是OK的。
#include <iostream>
#include <string>
#include <cmath>
using namespace std;
// get the value of the character in the set
int getV(char p, string set)
{
for(int i=0; i<set.length(); i++)
{
if (p==set[i])
return i;
}
return -1;
}
// d is the size of the character set
int RK(string T, string P,string set)
{
int d = int(set.length());
int n = T.length();
int m = P.length();
int h = pow(double(d), m-1);
int p=0;
int t = 0;
for(int i=0; i<m; i++)
{
p = d*p + getV(P[i],set);
t = d*t + getV(T[i], set);
}
for (int s=0; s<=n-m; s++)
{
cout<<"p,t is "<<p<<","<<t<<endl;
if (p==t)
return s;
if (s<n-m)
t = getV(T[s+m],set)+d*(t-h*getV(T[s],set));
}
return -1;
}
int main()
{
// set is the character set
string set= "0123456789";
// pattern P
string P = "2365";
// T is the string to match
string T = "258569236589780";
int i = RK(T, P, set);
cout<<"the postition is:"<<i<<endl;
return 0;
}
2、KMP算法
简单c实现
#include <stdio.h>
#include <string.h>
void get_next(char * T,int next[], int len)
{//求next数组
int i=1;
next[1]=0; //next数组的第一个元素无作用
int j=0;
while(i<len)
{
if(j==0||T[i-1]==T[j-1])
{
++i;
++j;
next[i]=j;
}
else
{
j=next[j];
}
}
}
int Index_KMP(char * S, char * T,int slen,int tlen,int pos,const int *next)
{//用KMP求字串在主串的位置
int i =pos;
int j = 1;
while(i<=slen&&j<=tlen)
{
if(j==0 || S[i-1]==T[j-1])
{
++i;
++j;
}
else
j=next[j];
}
if(j>tlen)
return i-tlen;
else
return 0;
}
int main()
{
char *T="abaabcac";
char *S="acabaabaabcacaabc";
int tlen=strlen(T);
int slen=strlen(S);
int next[10]={0};
get_next(T,next,tlen);
int i=1;
while(i<=tlen)
{
printf("%d\t",next[i++]);
}
printf("\n");
int kmp=Index_KMP(S,T,slen,tlen,1,next);
printf("The postion is %d\n",kmp);
return 0;
}
3、有限自动机
最长回文字串
1、Manacher算法
#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
#define M 20000050
char str1[M],str[2*M];//start from index 1
int rad[M],nn,n;
void Manacher(int *rad,char *str,int n)/*str是这样一个字符串(下标从1开始):
举例:若原字符串为"abcd",则str为"$#a#b#c#d#",最后还有一个终止符。
n为str的长度,若原字符串长度为nn,则n=2*nn+2。
rad[i]表示回文的半径,即最大的j满足str[i-j+1...i] = str[i+1...i+j],
而rad[i]-1即为以str[i]为中心的回文子串在原串中的长度*/
{
int i;
int mx = 0;
int id;
for(i=1; i<n; i++)
{
if( mx > i )
rad[i] = rad[2*id-i]<mx-i?rad[2*id-i]:mx-i;
else
rad[i] = 1;
for(; str[i+rad[i]] == str[i-rad[i]]; rad[i]++)
;
if( rad[i] + i > mx )
{
mx = rad[i] + i;
id = i;
}
}
}
int main()
{
int i,ans,Case=1;
while(scanf("%s",str1)!=EOF)
{
nn=strlen(str1);
n=2*nn+2;
str[0]='$';
for(i=0;i<=nn;i++)
{
str[2*i+1]='#';
str[2*i+2]=str1[i];
}
Manacher(rad,str,n);
ans=1;
for(i=0;i<n;i++)
ans=rad[i]>ans?rad[i]:ans;
printf("%d\n",ans-1);
}
return 0;
}