设有主串
s和子串
t,子串
t定位是指在主串
s中找到一个与子串
t相等的子串。通常把主串
s称为目标串,把子串
t称为模式串,因此定位也称作模式匹配。模式匹配成功是指在目标串
s中找到一个模式串
t。
传统的字符串模式匹配算法(也就是BF算法)就是对于主串和模式串双双自左向右,一个一个字符比较,如果不匹配,主串和模式串的位置指针都要回溯。这样的算法时间复杂度为O(n*m),其中n和m分别为串s和串t的长度。
KMP 算法是由Knuth,Morris和Pratt等人共同提出的,所以成为Knuth-Morris-Pratt算法,简称KMP算法。KMP算法是字符串模式匹配中的经典算法。和BF算法相比,KMP算法的不同点是匹配过程中,主串的位置指针不会回溯,这样的结果使得算法时间复杂度只为O(n+m)。下面说说KMP算法的原理。
假设我们有个模式串为“abdabcde”存于数组t,我们要求的就是模式串的next值,见下表所示:
i
|
0
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
t[i]
|
a
|
b
|
d
|
a
|
b
|
c
|
d
|
e
|
next[i]
|
-1
|
0
|
0
|
0
|
1
|
2
|
0
|
0
|
求模式t的next[i](称为失效函数)的公式如下:
next[i] =
( 上面的公式中非t字母和数字组成的为数组下标)
应该如何理解next数组呢?在匹配过程中,如果出现不匹配的情况(当前模式串不匹配字符假定为t[i]),它所对应的next[i]的数值为接下来要匹配的模式串的字符的索引;也就是说,出现不匹配的情况时,模式串的索引指针要回溯到中next[i]所对应的位置,而主串的索引指针保持不变。
特别的,next数组中的next[0]和next[1]的取值是固定的,为了标识出首字母,需要假定next[0]为-1(取为-1是考虑到C语言中的数组索引以0开始)。在实现的时候,要实现公式中情况的处理需要些技巧,下面给出具体的实现:
# include <stdio.h>
#include <stdlib.h>
typedef struct QString {
char * cs;
int len;
}String;
void GetNext(String s , int next []){
int len = s . len;
int i = 0 ;
int k = - 1 ;
next [ 0 ] = - 1 ;
while (i < len - 1 ){
if (k ==- 1 || s . cs[i] == s . cs[k]){
i ++ ;
k ++ ;
next [i] = k;
} else {
k = next [k];
}
}
}
int KMPIndex(String s , String m){
int next [m . len] , i = 0 , j = 0 ;
int k;
GetNext(m , next );
while (i < s . len && j < m . len){
if (j ==- 1 || s . cs[i] == m . cs[j]){
i ++ ;
j ++ ;
} else {
j = next [j];
}
}
if (j >= m . len) return i - m . len;
else return - 1 ;
}
KMP 算法也有需要改进的地方。对于模式串“aaaadd”在匹配时(假定被匹配串为“aaadddd”),可以看到,在匹配到索引3时,主串字符为“d”,模式串字符为“a”,如果按照上面的做法,这时模式串只会回溯一个索引,由于仍不匹配,模式串还会回溯一个索引,直到索引位置到了首字符,主串的索引指针才会前进一位,这样就会浪费一些不必要的比较时间。出现这种情况的原因是模式串中位置i的字符与next[i]对应的字符相同,需要修正next[i]为next[i]对应的字符的索引。下面列出“aaaadd”修正的nextval数组的内容:
i
|
0
|
1
|
2
|
3
|
4
|
5
|
t[i]
|
a
|
a
|
a
|
a
|
d
|
d
|
next[i]
|
-1
|
0
|
1
|
2
|
3
|
0
|
nextval[i]
|
-1
|
-1
|
-1
|
-1
|
0
|
0
|
修正函数如下:
void GetNextval(String s , int nextval[]){
int len = s . len , i = 0 , k = - 1 ;
nextval[ 0 ] = - 1 ;
while (i < len - 1 ){
if (k ==- 1 || s . cs[i] == s . cs[k]){
i ++ ;
k ++ ;
if (s . cs[i] != s . cs[k]){
nextval[i] = k;
} else nextval[i] = nextval[k];
} else {
k = nextval[k];
}
}
}
谢谢某人的程序:)
public class CyclicExe
{
private int[] next=null;
CyclicExe()
{
}
public static void main(String[] args)
{
CyclicExe c=new CyclicExe();
StringBuffer mainString=new StringBuffer("abbabbbaaaaaccd");
StringBuffer oldString=new StringBuffer("abc");
String newString=new String("mmm");
c.initial(oldString);
int pos=0;
int index=0;
while(pos<mainString.length()){
index=c.findIndex(mainString, oldString, pos);
if(index!=0){
mainString.replace(pos, pos+oldString.length()-1, newString);
pos=pos+oldString.length();
}
}
}
void initial(StringBuffer oldString)
{
next=new int[oldString.length()];
int i=1;
next[1]=0;
int j=0;
while(i<oldString.length()){
if(j==0||oldString.charAt(i)==oldString.charAt(j)){
i++;
j++;
next[i]=j;
}
else
j=next[j];
}
}
int findIndex(StringBuffer mainString,StringBuffer oldString,int pos)
{
int i=pos;
int j=1;
while(i<mainString.length()&&j<oldString.length())
{
if(j==0||mainString.charAt(i)==oldString.charAt(j)) {
i++;
j++;
}
else
j=next[j];
}
if(j>oldString.length()) return i-oldString.length();
else return 0;
}
}