数据结构——串的朴素模式和KMP匹配算法
一、朴素模式
假设我们要从主串S=”goodgoogle"中找到子串T=“google"的位置,步骤如下:
i表示主串的当前位置下标,j表示子串的当前位置下标,如上图在第一轮比较(i=1开始)中j=4和i=4的位置不匹配,接下来就要指针回退,从i=2开始比较,如下:
如此反复直到比较到 i =(主串长度-子串长度+1)的位置或者 j = 子串的长度 就退出比较循环,上面的主串和子串在比较到i=5的位置就完全匹配了。
#include <stdio.h> int Index(const char S[], const char T[], int pos){ int i = pos; //主串当前下标 int j = 1; //子串当前下标 //S[0]是主串的长度,T[0]是子串的长度 while(i <= S[0] && j <= T[0]){ //如果相等则继续向下比较 if(S[i] == T[j]) { ++i; ++j; //如果不等则指针回退 }else{ i = i - j + 2; //主串回退 j = 1; } } //j>T[0]则说明子串被完全匹配 if( j > T[0]) return i - T[0]; else return 0; } int main(){ char S[] = {10, 'g', 'o', 'o', 'd', 'g', 'o', 'o', 'g', 'l', 'e'}; char T[] = {6, 'g', 'o', 'o', 'g', 'l', 'e'}; int i = Index(S, T, 1); printf("%d\n", i); return 0; }分析一下这种匹配算法最好的情况时间复杂度是O(1)只需要一次比较,最坏的情况是每次最后一个字符不匹配,时间复杂度是O(m*n) m是主串长度n是子串的长度。
二、KMP算法
像二进制这样的多个0和1重复的字符串,上面的模式匹配需要挨个遍历是非常慢的,KMP算法可以大大避免重复遍历的情况。
下面我们来看看KMP算法的基本原理
如上,可以看到主串S和子串T在第一轮比较的时候,前面5个相等,只有i=6和j=6的位置不等。由于子串T中abcde这5个字符本身互不相等,可以知道子串T中a就不可能和j=2、3、4、5的位置的字符相等。所以可以直接跳到i=6的位置进行比较。
再看上图,如果子串T中存在重复的元素(比如j=1,2和j=4,5处的字符),按照上面的分析,我们可以直接跳到i=4的位置比较,但是我们已经知道j=1,2和j=4,5相等,并且i=4,5和j=4,5相等,所以可以不用比较i=4,5和j=1,2。
KMP模式匹配算法就是为了不让i指针回退,既然i值不回退,我们就要考虑变化j的值了。通过上面的观察可以发现,j值的变化与主串其实没有什么关系,而是取决于子串T中是否有重复问题。
我们把T串各个位置的j值的变化定义为一个数组next,那么next的长度就是T串的长度,可以得到下面函数:
#include <stdio.h> void get_next(const char T[], int *next){ int i,j; i = 1; j = 0; next[1] = 0; //T[0]是子串T的长度 while(i < T[0]){ //T[i]表示后缀的单个字符 //T[j]表示前缀的单个字符 if( j==0 || T[i] == T[j]){ ++i; ++j; next[i] = j; }else{ j = next[j]; } } } int Index_KMP(const char S[], const char T[], int pos){ int i = pos; int j = 1; int next[255]; get_next(T, next); while(i <= S[0] && j <= T[0]){ //相对于朴素算法,增加了一个j==0的判断 if( j==0 || S[i] == T[j]){ ++i; ++j; }else{ //j回退到合适的位置,i的值不变 j = next[j]; } } if( j>T[0]){ return i-T[0]; }else{ return 0; } } int main(){ return 0; }