目录
1、暴力匹配(BF)算法
2、KMP算法
BF算法,即暴力(Brute Force)算法,是普通的模式匹配算法,BF算法的思想就是将目标串S的第一个字符与模式串T 的第一个字符进行匹配,若相等,则继续比较S的第二个字符和 T的第二个字符;若不相等,则比较S的第二个字符和 T的第一个字符,依次比较下去,直到得出最后的匹配结果。BF算法是一种蛮力算法。
假定我们给出字符串 ”ababcabcdabcde”作为主串, 然后给出子串: ”abcd”,现在我们需要查找子串是否在主串中 出现,出现返回主串中的第一个匹配的下标,失败返回-1 ;
只要在匹配的过程当中,匹配失败,那么 i回退到刚刚位置的下一个,j 回退到0下标重新开始。
代码:
#include
#include
#include
//str 主串
//sub 子串
//如果找到了,返回子串在主串中的下标,否则,返回-1
int BF(char* str, char* sub)
{
assert(str && sub);
if (str == NULL && sub == NULL)
return -1;
int lenStr = strlen(str);
int lenSub = strlen(sub);
int i = 0;//主串开始的下标
int j = 0;//子串开始的下标
while (i < lenStr && j < lenSub)
{
if (str[i] == sub[j])
{
i++;
j++;
}
else
{
i = i - j + 1;
j = 0;
}
}
//如果子串走到空,代表找到了
if (j >= lenSub)
{
return i - j;
}
//如果主串走到空,证明主串里没有子串
return -1;
}
int main()
{
printf("%d\n", BF("ababcabcdabcde", "abcd"));//5
printf("%d\n", BF("ababcabcdabcde", "abcde"));//9
printf("%d\n", BF("ababcabcdabcde", "abcdef"));//-1
return 0;
}
KMP算法是一种改进的字符串匹配算法,由D.E.Knuth,J.H.Morris和V.R.Pratt提出的,因此人们称它为克努特—莫 里斯—普拉特操作(简称KMP算法)。KMP算法的核心是利用匹配失败后的信息,尽量减少模式串与主串的匹配次 数以达到快速匹配的目的。具体实现就是通过一个next()函数实现,函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度O(m+n) 。
区别:KMP 和 BF 唯一不一样的地方在,我主串的 i 并不会回退,并且 j 也不会移动到 0 号位置
KMP 的精髓就是 next 数组:也就是用 next[j] = k;来表示,不同的 j 来对应一个 K 值, 这个 K 就是你将来要移动的 j 要移动的位置。
1、规则:找到匹配成功部分的两个相等的真子串(不包含本身),一个以下标 0 字符开始,另一个以 j-1下标字符结尾。
2、不管什么数据 next[0] = -1;next[1] = 0;在这里,我们以下标来开始,而说到的第几个第几个是从 1 开始(next[0]也可以是0,只需要在写代码的时候控制好就可以了)。
求next数组:找到两个相等的字符串,第一个串必须以0下标的字母开头,第二个串必须以下标为j-1(j为目标字符)的字母结尾,这串相等的字符串的长度就是目标字母next数组的值。
例1:对于”ababcabcdabcde”, 求其的 next 数组?
例2:”abcabcabcabcdabcde”,求其的 next 数组?
对此,我们对next数组是什么也有了一定的了解。根据观察,我们发现当p[i]==p[k]时(p为字符串),next数组会递增,那么如何证明呢?
接下来的问题就是,已知next[i] = k;怎么求next[i+1] = ?
如果我们能够通过 next[i]的值,通过一系列转换得到 next[i+1]得值,那么我们就能够实现这部分。
代码:
#include
#include
#include
void GetNext(int* next, const char* sub)
{
int lensub = strlen(sub);
next[0] = -1;
next[1] = 0;
int i = 2;//下一项
int k = 0;//前一项的K
while (i < lensub)//next数组还没有遍历完
{
if ((k == -1) || sub[k] == sub[i - 1])//
{
next[i] = k + 1;
i++;
k++;//k = k+1下一个K的值新的K值
}
else
{
k = next[k];
}
}
}
int KMP(const char* s, const char* sub, int pos)
{
int i = pos;
int j = 0;
int lens = strlen(s);
int lensub = strlen(sub);
int* next = (int*)malloc(lensub * sizeof(int));//和子串一样长
assert(next != NULL);
GetNext(next, sub);
while (i < lens && j < lensub)
{
if ((j == -1) || (s[i] == sub[j]))
{
i++;
j++;
}
else
{
j = next [j];
}
}
free(next);
if (j >= lensub)
{
return i - j;
}
else
{
return -1;
}
}
int main()
{
char* str = "ababcabcdabcde";
char* sub = "abcd";
printf("%d\n", KMP(str, sub, 0));
return 0;
}
next数组的优化
next 数组的优化,即如何得到 nextval 数组:有如下串: aaaaaaaab,他的 next 数组是-1,0,1,2,3,4,5,6,7. 而修正后的数组 nextval 是: -1, -1, -1, -1, -1, -1, -1, -1, 7。为什么出现修正后的数组,假设在 5 号处失败了,那退一步还是 a,还是相等,接着退还是 a。
nextval数组的求法很简单,如果当前回退的位置,正好是和当前字符一样,那么就写那个字符的nextval值。不一样就写自己的。
如上面例子中:4的下标字符a,应该回退到下标为1位置,下标为1位置不是a.所以,nextval值,就是当前next值。
比如5的下标字符b,应该回退到下标为1位置,下标为1位置也是b.那么此时的nextval值,就是1下标b的nextval值。
优化后得到next数组代码:
void GetNext(int* next, const char* sub)
{
int lensub = strlen(sub);
next[0] = -1;
next[1] = 0;
int i = 2;//下一项
int k = 0;//前一项的K
while (i < lensub)
{
if ((k == -1) || sub[k] == sub[i - 1])
{
if (sub[i] == sub[k])//当两个字符相同时,就跳过
next[i] = next[k];
else
next[i] = k + 1;
i++;
k++;
}
else
{
k = next[k];
}
}
}