大话数据结构之四（串）

串的定义

串是由零个或多个字符组成的有限序列，又名叫字符串

串中的字符数目n称为串的长度

零个字符的串称为空串

串的抽象数据类型

串的顺序存储结构

串我链式存储结构

一个结点可以存储一个字符也可以考虑存储多个字符，最后一个结点若是未被占满时，可以用#或其它非串值字符补全

朴素的模式匹配算法

对主串的每一个字符作为子串开头，与要匹配的字符进行匹配。对主串做大循环，每个字符开头做T的长度的小循环，直到匹配成功或全部遍历完成为止。

时间复杂度为O(n+m)

/* 返回子串T在主串S中第pos个字符之后的位置。若不存在,则函数返回值为0。 */
/* 其中,T非空,1≤pos≤StrLength(S)。 */
int Index(String S, String T, int pos) 
{
    int i = pos;    /* i用于主串S中当前位置下标值，若pos不为1，则从pos位置开始匹配 */
    int j = 1;                /* j用于子串T中当前位置下标值 */
    while (i <= S[0] && j <= T[0]) /* 若i小于S的长度并且j小于T的长度时，循环继续 */
    {
        if (S[i] == T[j])     /* 两字母相等则继续 */
          {
            ++i;
             ++j; 
          } 
          else                 /* 指针后退重新开始匹配 */
          {  
             i = i-j+2;        /* i退回到上次匹配首位的下一位 */
             j = 1;             /* j退回到子串T的首位 */
          }      
    }
    if (j > T[0]) 
        return i-T[0];
    else 
        return 0;
}

利用上面的算法，假设我们要从主串goodgoogle中找到google，则需要下面的步骤

想想如果我们要在主串S="00000000000000000000000000000000000000000000000000001"，而要匹配的子串T=“0000000001”

也就是说T串需要在S串的前40个位置都需要判断10次并得到不匹配的结论，直到第41位才全部匹配相等

因此最坏的情况的时间复杂度为O(((n-m)+1)*m)

KMP模式匹配算法原理

如果主串S="abcdefgab",要匹配的子串T="abcdex"

如果用朴素算法的话，则匹配的流程图如下所示：

细想一下，子串T中“abcdex” 首字母a与后面的串“bcdex”中的任意一个字符都不相等，既然a不与自己后面的子串中任何一个字符相等，那么对于上图1来说，前五个字符分别相等，意味着子串T的首字符a不可能与s串的第2位到第5位的字符相等，也就是说在上图中2、3、4、5的判断都是多余的。

如果子串T中有与首字符相等的字符，也是可以省略一部分不必要的判断步骤的。

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

举例说明next数组值推导

KMP模式匹配算法实现代码

/* 通过计算返回子串T的next数组。 */
void get_next(String T, int *next) 
{
    int i,j;
      i=1;
      j=0;
      next[1]=0;
      while (i<T[0])  /* 此处T[0]表示串T的长度 */
     {
        if(j==0 || T[i]== T[j])     /* T[i]表示后缀的单个字符，T[j]表示前缀的单个字符 */
        {
              ++i;  
            ++j;  
            next[i] = j;
        } 
        else 
            j= next[j];    /* 若字符不相同，则j值回溯 */
      }
}

/* 返回子串T在主串S中第pos个字符之后的位置。若不存在，则函数返回值为0。 */
/*  T非空，1≤pos≤StrLength(S)。 */
int Index_KMP(String S, String T, int pos) 
{
    int i = pos;        /* i用于主串S中当前位置下标值，若pos不为1，则从pos位置开始匹配 */
    int j = 1;            /* j用于子串T中当前位置下标值 */
    int next[255];        /* 定义一next数组 */
    get_next(T, next);    /* 对串T作分析，得到next数组 */
    while (i <= S[0] && j <= T[0]) /* 若i小于S的长度并且j小于T的长度时，循环继续 */
    {
        if (j==0 || S[i] == T[j])     /* 两字母相等则继续，与朴素算法增加了j=0判断 */
          {
             ++i;
             ++j; 
          } 
          else             /* 指针后退重新开始匹配 */
               j = next[j];/* j退回合适的位置，i值不变 */
    }
    if (j > T[0]) 
        return i-T[0];
    else 
        return 0;
}

上面get_next的时间复杂度为O(m)，而index_KMP中while循环的时间复杂度为O(n)，所以整个算法的时间复杂度为O(n+m)

KMP模式匹配算法改进

比如主串S="aaaabcde"，子串T="aaaaax",那么next数组值分别为012345

利用KMP算法比较的过程如下图所示：

当i=5,j=5时,b与a不相等，如上图1

j=next[5]=4，如上图2，b与第四个位置的a依然不等

j=next[4]=3，如上图3,...

细想一下，2、3、4、5步骤都是多余的，因为T串的第二、三、四、五位置的字符都与首位a相等，那么可以利用首位的next[1]的值去取代与它相等的字符后续的next[j]的值

改良版的KMP算法实现代码

/* 求模式串T的next函数修正值并存入数组nextval */
void get_nextval(String T, int *nextval) 
{
      int i,j;
      i=1;
      j=0;
      nextval[1]=0;
      while (i<T[0])  /* 此处T[0]表示串T的长度 */
     {
        if(j==0 || T[i]== T[j])     /* T[i]表示后缀的单个字符，T[j]表示前缀的单个字符 */
        {
              ++i;  
            ++j;  
            if (T[i]!=T[j])      /* 若当前字符与前缀字符不同 */
                nextval[i] = j;    /* 则当前的j为nextval在i位置的值 */
              else 
                nextval[i] = nextval[j];    /* 如果与前缀字符相同，则将前缀字符的 */
                                            /* nextval值赋值给nextval在i位置的值 */
        } 
        else 
            j= nextval[j];            /* 若字符不相同，则j值回溯 */
      }
}