字符串匹配的sunday算法

 

28. 找出字符串中第一个匹配项的下标

难度中等1713收藏分享切换为英文接收动态反馈

 

给你两个字符串 haystack 和 needle ，请你在 haystack 字符串中找出 needle 字符串的第一个匹配项的下标（下标从 0 开始）。如果 needle 不是 haystack 的一部分，则返回  -1 。

 

示例 1：

输入：haystack = "sadbutsad", needle = "sad"
输出：0
解释："sad" 在下标 0 和 6 处匹配。
第一个匹配项的下标是 0 ，所以返回 0 。

示例 2：

输入：haystack = "leetcode", needle = "leeto"
输出：-1
解释："leeto" 没有在 "leetcode" 中出现，所以返回 -1 。

使用hash字符串，利用滑动窗口求解字符串查找：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

class Solution:     def strStr(self, haystack: str, needle: str) -> int:         def hash_s(s, start, end):             h = 0             for i in range(start, end+1):                 h = (h*26 + ord(s[i]) - ord('a')) % MOD             return h           m, n = len(needle), len(haystack)         if m > n:             return -1                   MOD = (1 << 63) - 1         p = pow(26, m-1, MOD)         h, h2 = hash_s(needle, 0, m-1), hash_s(haystack, 0, m-1)         if h2 == h:             return 0           for i in range(m, n):             h2 = h2 - (ord(haystack[i-m]) - ord('a')) * p % MOD             h2 = (h2 * 26 + ord(haystack[i]) - ord('a')) % MOD             if h2 == h:                 return i - m + 1                   return -1

　　

这个算法是基于哈希的字符串查找算法，也被称为Rabin-Karp算法。其基本思路如下：

1. 首先，计算目标字符串（needle）的哈希值。

2. 然后，计算源字符串（haystack）中与目标字符串长度相同的子串的哈希值。

3. 如果这两个哈希值相等，那么就找到了目标字符串的位置。

4. 如果这两个哈希值不相等，那么就将源字符串的滑动窗口向右移动一位，然后重新计算新的子串的哈希值。

5. 重复步骤3和4，直到找到目标字符串或者源字符串的滑动窗口到达末尾。

这个算法的关键在于如何快速计算新的子串的哈希值。这里使用了一个技巧，即通过减去滑动窗口最左边的字符的哈希值并添加新字符的哈希值，可以在常数时间内计算新的子串的哈希值。

这个算法的时间复杂度是O(n)，其中n是源字符串的长度。这是因为每个字符只需要被计算一次哈希值。

 

利用sunday算法：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

class Solution(object):     def strStr(self, haystack, needle):         """         :type haystack: str         :type needle: str         :rtype: int         """         skipped = dict()         sub_len = len(needle)         for pos, ch in enumerate(needle):             skipped[ch] = sub_len - pos           i = 0         str_len = len(haystack)         while i <= str_len - sub_len:             if haystack[i: i + sub_len] == needle:                 return i               if i + sub_len >= str_len:                 break               i += skipped.get(haystack[i+sub_len], sub_len+1)         return -1

 

20231004又写了一次：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

class Solution:     def strStr(self, haystack: str, needle: str) -> int:         # sunday         skipped = dict()         m, n = len(needle), len(haystack)         for i,c in enumerate(needle):             skipped[c] = m - i           i = 0         while i < n:             if haystack[i:i+m] == needle:                 return i                           if i + m >= n:                 break                               i += skipped.get(haystack[i+m], m+1)                   return -1

　　

　

链接：https://leetcode.cn/problems/find-the-index-of-the-first-occurrence-in-a-string/solution/python3-sundayjie-fa-9996-by-tes/　

一、Sunday 匹配机制
匹配机制非常容易理解：

目标字符串 haystack

模式串 Pattern当前查询索引 idx （初始为0）

 

待匹配字符串  haystack [ idx : idx + len(Pattern) ]

每次匹配都会从 目标字符串中 提取 待匹配字符串与 模式串 进行匹配：

若匹配，则返回当前 idx

 

不匹配，则查看 待匹配字符串 的后一位字符 c：

若c存在于Pattern中，则 idx = idx + 偏移表[c]

否则，idx = idx + len(pattern) + 1

Repeat Loop 直到 idx + len(pattern) > len(String)

 

举例：

String: checkthisout
Pattern: this

 

• k 不在 Pattern 里
• 所以查看 偏移表，idx = idx + 5

 

 

 

 

sunday算法核心思想：启发式移动搜索步长！

SUNDAY 算法描述：

字符串查找算法中，最著名的两个是KMP算法（Knuth-Morris-Pratt)和BM算法（Boyer-Moore)。这里介绍一种比BM算法更快一些的sunday查找算法。

例如我们要在"substring searching algorithm"查找"search"，刚开始时，把子串与文本左边对齐：

substring searching algorithm
search
^

结果在第二个字符处发现不匹配，于是要把子串往后移动。但是该移动多少呢？这就是各种算法各显神通的地方了，最简单的做法是移动一个字符位 置；KMP是利用已经匹配部分的信息来移动；BM算法是做反向比较，并根据已经匹配的部分来确定移动量。这里要介绍的方法是看紧跟在当前子串之后的那个字 符（上图中的 'i')。

显然，不管移动多少，这个字符是肯定要参加下一步的比较的，也就是说，如果下一步匹配到了，这个字符必须在子串内。所以，可以移动子串，使子串中的 最右边的这个字符与它对齐。现在子串'search'中并不存在'i'，则说明可以直接跳过一大片，从'i'之后的那个字符开始作下一步的比较，如下图：

substring searching algorithm
　　　 search
　　　　^

比较的结果，第一个字符就不匹配，再看子串后面的那个字符，是'r',它在子串中出现在倒数第三位，于是把子串向前移动三位，使两个'r'对齐，如下：

substring searching algorithm
　　　　 search
　　　　　　　^

哈！这次匹配成功了！回顾整个过程，我们只移动了两次子串就找到了匹配位置，是不是很神啊?!可以证明，用这个算法，每一步的移动量都比BM算法要大，所以肯定比BM算法更快。

因此，对于leetcode上的解题：

https://leetcode.com/problems/implement-strstr/

 

参考：http://blog.csdn.net/kankan231/article/details/22406823