问题:
举例来说,有一个字符串"BBC ABCDAB ABCDABCDABDE",我想知道,里面是否包含另一个字符串"ABCDABD"?
令主串S="BBC ABCDAB ABCDABCDABDE" ,模式串是T="ABCDABD"
1:朴素算法
首先,我们按照正常字符串匹配的思想,做一个匹配流程。
第1步:模式串T第一个字母A就匹配失败。模式串后移1位
第2步:模式串T第一个字母A就匹配失败。模式串后移1位。
第5步:模式串T最后一个D匹配失败。模式串后移1位。(第3,4步省略了,直接来到第5步)
第16步:模式串T匹配成功。模式串后移1位。
2:KMP算法、
说明:一个基本事实是,当空格与D不匹配时,你其实知道前面六个字符是"ABCDAB"。KMP算法的想法是,设法利用这个已知信息,不要把"搜索位置"移回已经比较过的位置,继续把它向后移,这样就提高了效率。所以KMP算法可以“跳着走”,不用“一步一步走”。
1:“跳着走”,需要跳几步,给出一个公式:移动位数 = 已匹配的字符数 - 对应的部分匹配值
2:借助一个概念,叫做部分匹配值,这个值怎么算的,下面会讲。我们直接把模式串的部分匹配值列出来。
部分匹配值:
第1步:模式串T第一个字母A就匹配失败。移动的距离=已匹配的字符数 - 对应的部分匹配值,因为没匹配,所以移动1位
第2步:模式串T第一个字母A就匹配失败。移动的距离=已匹配的字符数 - 对应的部分匹配值,因为没匹配,所以移动1位
第5步:模式串T最后一个字母D匹配失败。移动的距离=已匹配的字符数(6) - 对应的部分匹配值(2)。需要往后移4位,而不是1位。
第6步:模式串T第3个字母C匹配失败。移动的距离=已匹配的字符数(2) - 对应的部分匹配值(0)。需要往后移2位。
第7步:模式串T第1个字母A匹配失败。移动的距离=已匹配的字符数 - 对应的部分匹配值。因为没匹配,所以移动1位
第8步:模式串T最后1个字母D匹配失败。移动的距离=已匹配的字符数(6) - 对应的部分匹配值(2)。所以移动4位
第9步:模式串T与主串S匹配成功。
总结:
朴素算法需要16次才能匹配成功,但是KMP算法只需要9次匹配就可以成功,时间复杂度降低不少。
部分匹配值的计算方法:(以"ABCDABD"为例)
"A"的前缀和后缀都为空集,共有元素的长度为0;
"AB"的前缀为[A],后缀为[B],共有元素的长度为0;
"ABC"的前缀为[A, AB],后缀为[BC, C],共有元素的长度0;
"ABCD"的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共有元素的长度为0;
"ABCDA"的前缀为[A, AB, ABC, ABCD],后缀为[BCDA, CDA, DA, A],共有元素为"A",长度为1;
"ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA],后缀为[BCDAB, CDAB, DAB, AB, B],共有元素为"AB",长度为2;
"ABCDABD"的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB],后缀为[BCDABD, CDABD, DABD, ABD, BD, D],共有元素的长度为0。
所以最后的部分匹配值为:0,0,0,0,1,2,0
"部分匹配"的实质是,有时候,字符串头部和尾部会有重复。比如,"ABCDAB"之中有两个"AB",那么它的"部分匹配值"就是2("AB"的长度)。搜索词移动的时候,第一个"AB"向后移动4位(字符串长度-部分匹配值),就可以来到第二个"AB"的位置。