数据结构Java实现——③串--->串的模式匹配:Brute-Force算法和 KMP算法

写在前面

       

其实关于串的模式匹配问题，我最初的了解并不深，只知道一个最简单的 Brute-Force模式匹配算法，所以感觉在串这一章应该很简单的就复习完了，现在不由的感慨，井底之蛙不知天大。。。。。

 Brute-Force模式匹配算法，当然是轻车熟路，半个小时重新学习后，能够独立的写出完整的代码，简单随意。

但是KMP模式匹配算法，愣是让我好好的琢磨了整整两天，才算是明白了七七八八，之前一直感觉眼前有层纱，看不清真相。。。。

文字描述

在描述之前，我们先做个约定，因为串的匹配算法是找目标串在已存在的串中出现的位置（下标），我们把要找的下标所在的串称之为主串S，目标串称之为子串t。

那此时的串的匹配就可称为：寻找子串在主串中出现的位置。

有两个变量（整型变量或者指针变量）记录当前比对的主串（i）和子串（j）的字符对应的下标。

匹配的过程，其实类似于游标卡尺的读数的过程(当然不完全一致，只是再次举例做类比)，每次移动子串，和主串进行比较，直到找到某一满足条件的位置，或者找不到，也就是匹配失败。

1、Brute-Force模式匹配算法

关于这个算法我不想做过多的描述,因为比较简单，比如从abababc（主串）中寻找abc（子串）的步骤如图

从主串的某一个字符开始，与子串的第一个字符进行比较，

如果相等，就比较二者对应的下一个字符，也就是Si=tj，i++；j++;

如果不相等，那么就让主串的下一个字符与子串的第一个字符进行比较

也就是一旦出现Si≠tj，匹配失败，那么此时要向右移动子串，并修改记录主串和子串的变量i=i-j+1，j=0；

直到匹配成功，返回子串在主串中出现的位置（i - j），或者主串中剩余未比较的字符串的长度（S.length）小于子串的长度(t.length）（肯定是不可能有匹配的情况了）返回-1。

优点是：简单，容易理解，容易实现

缺点是：需要匹配的次数太多，每次 i 和 j 的移动距离过大，存在大量不必要的比较

2、KMP模式匹配算法

     （1）总体介绍

在上面的Brute-Force算法的基础上进行了改进，改进后的算法，可以在匹配失败后，无需修改记录主串当前比较的字符的下标  i；而且，记录子串当前比较的字符的下标 j也不用清零。而是在已经比较过的字符的基础上，针对子串本身的特点，移动子串，以达到减少比较次数的目的

（2）详细描述

当某次匹配不成功时，主串s的当前比较位置i不用回退，此时主串Si 可以直接和子串中的某个tk进行比较，此处的k的确定与主串无关，只有子串本身的构有关，即从子串本身就可以计算出k的值

现在讨论一般情况。

假设主串S=“s0s1s2s3...s(n-1)”, 子串t=“t0t1t2...t(m-1)”,从主串S中某一个位置开始比较，当匹配不成功（si≠tj）时，此时一定存在

“s0s1s2s3...s(i-1)”=“t0t1t2...t(j-1)” ----->(等式1)

①如果子串中不存在满足下列式子的  k值

“t0t1t2...t(k-1)”=“t(j-k)t(j-k+1)...t(j-1)” （其中0（等式2）

说明在子串“t0t1t2...t(j-1)”中不存在前缀t0t1t2...t(k-1)与主串s（i-j）s（i-j+1）...s(i-1)中的s（i-j）s（i-j+1）...s(i-1)子串相匹配，

下一次可以直接比较Si 和t0

②若子串中存在满足等式2，则说明在子串“t0t1t2...t(j-1)”中存在前缀t0t1t2...t(k-1)已经与主串s（i-j）s（i-j+1）...s(i-1)中的s（i-j）s（i-j+1）...s(i-1)子串相匹配

下一次可以直接比较Si和tk

比如从abcabdabcabc（主串）中寻找abcabc（子串）的步骤如图

因此，当主串中的 Si 和子串中的 tj不匹配时，只需要将 Si 和 tk 比较即可，

也就是说此时问题的难点就在于如何求子串的每一个字符所对应的 k值

而此时选取k的原则是：子串中的前k个字符前缀子串等于 tj 之前的前k个字符子串，并且是具有此性质的最大子串的串长。

因为每一个字符 tj 都对应一个k值，而且这个k值仅与子串有关，与主串无关，因此我们可以在匹配 之前求出每一个字符所对应的 k值，记作next[ j ]

（3）next[ j ]的求法

在讲具体的求法之前，我想再重新强调一下next[ j ]函数的意义：

next[ j ]是：当子串 t j和主串s i  比较失败后，下一次和主串比较的子串的下标

next的求法：

很显然next[ j ]函数中下一个值与当前值之间有关系，用递推法容易求解

下面讨论求next[ j ]函数的问题

由定义可知   初始时  next[ 0 ]= - 1;     next[ 1 ]=0

若存在next[ j ]=k,  则表明在子串中存在

“t0t1t2...t(k-1)”=“t(j-k)t(j-k+1)...t(j-1)” （其中0

 

其中，k为满足等式的最大值，那么对于next[ j+1 ]的值存在以下两种情况

（1）若 tk=tj，则表明在子串中存在

“t0t1t2...t(k-1)t(k)”=“t(j-k)t(j-k+1)...t(j-1)tj” （其中0

则next[ j+1 ]=next[ j ]+1=k+1

（2）若 tk≠tj,说明此时子串中：

“t0t1t2...t(k-1)t(k)”≠“t(j-k)t(j-k+1)...t(j-1)tj”

那么此时可以将求next[ j ]函数的问题看做是一个模式匹配问题，子串既是主串也是子串，

当前已经匹配的有“t0t1t2...t(k-1)”=“t(j-k)t(j-k+1)...t(j-1)” （其中0

则当t k≠tj 时，应该将子串t向右滑动到   k'=next[ k ],

（PS：为什么向右滑动到next[ k ]?? 

首先k不仅代表的是next[  j ]的值（PPS：已经求出的，子串 t j和主串s i  比较失败后，下一次和主串比较的子串的下标）

而且还代表了本次求next[ j ]匹配过程中，当前比较的"子串"的下标。

那么next[ k ]代表的含义是：当前比较失败后的下一次应该比较的子串的下标，正好符合）

 并将k' 位置上的字符与“主串”中第j个位置上的字符进行比较

如图，求ababaaa的next[ j ]的过程

代码实现

1、Brute-Force模式匹配算法

 

 

/**  
	 * @Title: indexOf_BF 
	 * @Description: TODO() 
	 * @param t
	 * @param begin
	 * @return
	 */
	public int indexOf_BF(SeqString t, int begin) {
		if (this != null && t != null && t.length() >= 0
				&& this.length() > t.length()) {
			int slen = this.length();
			int tlen = t.length();
			int i = begin;
			int j = 0;
			while (begin <= slen - tlen && j < tlen) {
				if (this.charAt(i) == t.charAt(j)) {
					i++;
					j++;
				} else {
					begin++;
					i = begin;
					j = 0;
				}
			}
			if (j >= tlen) {
				return begin;
			} else {
				return -1;
			}
		} else {
			return -1;
		}
	}

 

2、KMP模式匹配算法

2.1  next[ j ]函数实现

/**
	 * @Description: TODO(Next（j）函数，表示下标为j的子串的k值 ) 也就是子串下标j之前 满足
	 *               t0t1t2..t(k-1)=t(j-k+1)t(j-k+1)...t(j-1);的k的最大值
	 * @param T
	 * @return
	 */
	private int[] getNext(MString T) {
		int[] next = new int[T.length()];
		int j = 1;
		int k = 0;
		next[0] = -1;
		next[1] = 0;
		while (j < T.length() - 1) {
			if (T.charAt(j) == T.charAt(k)) {
				next[j + 1] = k + 1;
				j++;
				k++;
			} else if (k == 0) {
				next[j + 1] = 0;
				j++;
			} else {
				k = next[k];
			}
		}
		return next;
	}

2.2  KMP算法的实现

/**
	 * @Description: TODO(KMP算法 ) 指向主串的下标不往回移动， 而是根据子串本身的性质来移动子串，大大的减少了匹配的次数
	 * @param T
	 * @param begin
	 * @return
	 */
	public int indexOf_KMP(MString T, int begin) {
		int[] next = getNext(T);
		int i = begin;
		int j = 0;
		while (i < this.length() && j < T.length()) {
			if (j == -1 || this.charAt(i) == T.charAt(j)) {
				i++;
				j++;
			} else {
				j = next[j];
			}
		}
		if (j < T.length()) {
			return -1;
		} else {
			return (i - T.length());
		}
	}

后记

串这章的知识点终于算是总结完了，学完了串，不得不说，最初我的想法是幼稚的，一些看起来简单的东西一定有他不简单的地方，下面开始复习数组，希望继续像串这一章这样有那么大的收获