关键词:
主要是针对字符串的匹配算法进行解说
有关字符串的基本知识
串(string或字符串)是由零个或多个字符组成的有限序列,一般记为 当中s是串的名,用单引號括起来的字符序列是串的值;ai(1<=i<=n)能够是字母、数值或其它字符。串中字符的数组 n称为串的长度。零个字符的串称为空串,它的长度为0
串中随意个连续的字符组成的子序列称为该串的子串。
包括子串的串相应的称为主串。
通常称字符在序列中的序号为该字符在串中的位置。子串在主串中的位置则以子串的第一个字符在主串中的位置来表示。
以下主要说一下串的模式匹配算法
传统的串匹配法
算法的基本思想是:从主串S的第pos个字符起和模式的第一个字符比較,若相等,则继续逐个比較兴许字符;否则从主串的下一个字符起再又一次和模式的字符比較。依次类推,直至模式T中的每一个字符依次和主串S中的一个连续的字符序列相等,则匹配成功,函数值为和模式T中第一个字符相等的字符在主串S中的序号,否则称匹配不成功。函数值为零。
此算法在最坏情况下的时间复杂度为O(m*n)
模式匹配的一种改进算法(KMP算法)
网上一比較易懂的解说
字符串匹配是计算机的基本任务之中的一个。
举例来说,有一个字符串”BBC ABCDAB ABCDABCDABDE”,我想知道,里面是否包括还有一个字符串”ABCDABD”?
很多算法能够完毕这个任务,Knuth-Morris-Pratt算法(简称KMP)是最经常使用的之中的一个。它以三个发明者命名,起头的那个K就是著名科学家Donald Knuth。
以下,我用自己的语言,试图写一篇比較好懂的KMP算法解释。
1.
首先,字符串”BBC ABCDAB ABCDABCDABDE”的第一个字符与搜索词”ABCDABD”的第一个字符,进行比較。由于B与A不匹配。所以搜索词后移一位。
2.
由于B与A不匹配。搜索词再往后移。
3.
就这样,直到字符串有一个字符,与搜索词的第一个字符同样为止。
4.
接着比較字符串和搜索词的下一个字符,还是同样。
5.
直到字符串有一个字符,与搜索词相应的字符不同样为止。
6.
这时,最自然的反应是,将搜索词整个后移一位,再从头逐个比較。
这样做尽管可行,可是效率非常差,由于你要把”搜索位置”移到已经比較过的位置,重比一遍。
7.
一个基本事实是,当空格与D不匹配时,你事实上知道前面六个字符是”ABCDAB”。KMP算法的想法是,设法利用这个已知信息。不要把”搜索位置”移回已经比較过的位置,继续把它向后移,这样就提高了效率。
8.
怎么做到这一点呢?能够针对搜索词,算出一张《部分匹配表》(Partial Match Table)。这张表是怎样产生的,后面再介绍,这里仅仅要会用就能够了。
9.
已知空格与D不匹配时,前面六个字符”ABCDAB”是匹配的。查表可知。最后一个匹配字符B相应的”部分匹配值”为2,因此依照以下的公式算出向后移动的位数:
移动位数 = 已匹配的字符数 - 相应的部分匹配值
由于 6 - 2 等于4。所以将搜索词向后移动4位。
10.
由于空格与C不匹配,搜索词还要继续往后移。这时,已匹配的字符数为2(”AB”),相应的”部分匹配值”为0。所以。移动位数 = 2 - 0,结果为 2。于是将搜索词向后移2位。
11.
由于空格与A不匹配,继续后移一位。
12.
逐位比較,直到发现C与D不匹配。于是。移动位数 = 6 - 2,继续将搜索词向后移动4位。
13.
逐位比較。直到搜索词的最后一位,发现全然匹配。于是搜索完毕。假设还要继续搜索(即找出所有匹配)。移动位数 = 7 - 0。再将搜索词向后移动7位。这里就不再反复了。
14.
以下介绍《部分匹配表》是怎样产生的。
首先,要了解两个概念:”前缀”和”后缀”。 “前缀”指除了最后一个字符以外。一个字符串的所有头部组合;”后缀”指除了第一个字符以外。一个字符串的所有尾部组合。
15.
“部分匹配值”就是”前缀”和”后缀”的最长的共同拥有元素的长度。以”ABCDABD”为例。
- “A”的前缀和后缀都为空集。共同拥有元素的长度为0;
- “AB”的前缀为[A]。后缀为[B]。共同拥有元素的长度为0;
- “ABC”的前缀为[A, AB],后缀为[BC, C],共同拥有元素的长度0;
- “ABCD”的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共同拥有元素的长度为0;
- “ABCDA”的前缀为[A, AB, ABC, ABCD],后缀为[BCDA, CDA, DA, A],共同拥有元素为”A”,长度为1;
- “ABCDAB”的前缀为[A, AB, ABC, ABCD, ABCDA]。后缀为[BCDAB, CDAB, DAB, AB, B]。共同拥有元素为”AB”,长度为2;
- “ABCDABD”的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB],后缀为[BCDABD, CDABD, DABD, ABD, BD, D],共同拥有元素的长度为0。
16.
“部分匹配”的实质是,有时候。字符串头部和尾部会有反复。
比方,”ABCDAB”之中有两个”AB”,那么它的”部分匹配值”就是2(”AB”的长度)。搜索词移动的时候,第一个”AB”向后移动4位(字符串长度-部分匹配值),就能够来到第二个”AB”的位置。
小样例
求字符串 ‘ababaabab’的next和nextval,结果例如以下
j | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
---|---|---|---|---|---|---|---|---|---|
s[ j ] | a | b | a | b | a | a | b | a | b |
next | 0 | 1 | 1 | 2 | 3 | 4 | 2 | 3 | 4 |
nextval | 0 | 1 | 0 | 1 | 0 | 4 | 1 | 0 | 1 |
(1)计算next
计算next的时候须要遵循的规则例如以下
A、 j = 0 next[j] = 0
B、假设存在 Max{ k | k 属于 (1,j-1) 且‘P1…Pk-1’= ‘Pj-k+1…Pj-1’ } (next[j] = k)
C、其它情况 next[j] = 1
j | ( 1, k-1 ) | str(1,k-1) | ( j-k+1 , j-1 ) | str( j-k+1, j-1) | 规则 | next[ j ] |
---|---|---|---|---|---|---|
2 | NULL | NULL | NULL | NULL | C | 1 |
3 | (1,1) | a | (2,2) | b | C | 1 |
4 | (1,2) | ab | (2,3) | ba | ||
4 | (1,1) | a | (3,3) | a | B | 2 |
5 | (1,3) | aba | (2,4) | bab | ||
5 | (1,2) | ab | (3,4) | ab | B | 3 |
6 | (1,4) | abab | (2,5) | baba | ||
6 | (1,3) | aba | (3,5) | aba | B | 4 |
7 | (1,5) | ababa | (2,6) | babaa | ||
7 | (1,4) | abab | (3,6) | abaa | ||
7 | (1,3) | aba | (4,6) | baa | ||
7 | (1,2) | ab | (5,6) | aa | ||
7 | (1,1) | a | (6,6) | a | B | 2 |
8 | (1,6) | ababaa | (2,7) | babaab | ||
8 | (1,5) | ababa | (3,7) | abaab | ||
8 | (1,4) | abab | (4,7) | baab | ||
8 | (1,3) | aba | (5,7) | aab | ||
8 | (1,2) | ab | (6,7) | ab | B | 3 |
9 | (1,7) | ababaab | (2,8) | babaaba | ||
9 | (1,6) | ababaa | (3,8) | abaaba | ||
9 | (1,5) | ababa | (4,8) | baaba | ||
9 | (1,4) | abab | (5,8) | aaba | ||
9 | (1,3) | aba | (6,8) | aba | B | 4 |
(2)计算nextval
nextval[i]的求解须要比較s中next[i]所在位置的字符是否与s[i]的字符一致。假设一致则用s[next[i]]的nextval的值作为nextval[i]。假设不一致,则用next[i]做为nextval[i]。
i | next[i] | s[i] | s[ next[i] ] | yes/no | nextval[i] |
---|---|---|---|---|---|
1 | 0 | a | NULL | no | next[i] = 0 |
2 | 1 | b | a | no | next[i] = 1 |
3 | 1 | a | a | yes | s[ next[i] ]的nextval = 0 |
4 | 2 | b | b | yes | s[2]nextval = 1 |
5 | 3 | a | a | yes | s[2]nextval = 0 |
6 | 4 | a | b | no | next[6] = 4 |
7 | 2 | b | b | yes | s[2] nextval = 1 |
8 | 3 | a | a | yes | s[3] nextval = 0 |
9 | 4 | b | b | yes | s[4]nextval = 1 |
代码
该代码參考 数据结构(C语言版) 严蔚敏 吴伟民 编著。。。
/**
* @filename kmp.cc
* @Synopsis KMP algorithm
* @author XIU
* @version 1
* @date 2016-04-21
*/
// 此代码中所用的数组,或者是字符串都是从下标1開始
#include<iostream>
#include<string.h>
using namespace std;
/* ============================================================================*/
/**
* @Synopsis the next index data of the model string s_mode
*
* @Param s_mode: the string
* @Param next : the next array
* @Param len : the length of the string
*/
/* ============================================================================*/
void get_next( string s_mode, int *next, int len )
{
int i = 1;
int j = 0;
next[1] = 0;
//cout << len << endl;
while( i<len )
{
if( j==0 || s_mode[i] == s_mode[j] )
{
++i;
++j;
if( i>len ) break;
next[i] = j;
if( j>len ) break;
//以下的是修正的next算法(nextval)。
/*
if( s_mode[i] != s_mode[j])
next[i] = j;
else next[i] = next[j];
*/
}
else
{
j = next[j];
}
}
for( int i=1; i<len; i++ )
{
cout << next[i] << " ";
}
cout << endl;
}
/* ============================================================================*/
/**
* @Synopsis 利用模式串s_mode中的next函数求s_model在主串 s_primary中第pos个字符之后的位置
*
* @Param s_primary
* @Param s_mode
* @Param pos
* @Param next
*
* @Returns
*/
/* ============================================================================*/
int Index_KMP( string s_primary, string s_mode, int pos, int *next )
{
int i = pos;
int j = 1;
int len_p = s_primary.size();
int len_m = s_mode.size();
while( i < len_p && j < len_m )
{
if( j == 0 || s_primary[i] == s_mode[j] )
{
++i;
++j;
}
else
j = next[j];
}
if( j >= len_m )
return i - len_m;
else
return 0;
}
/* ============================================================================*/
/**
* @Synopsis output function to check the result
*
* @Param s_primary
* @Param s_mode
* @Param len
* @Param next
* @Param index
*/
/* ============================================================================*/
void output( string s_primary, string s_mode, int len, int *next, int index )
{
cout << "s_primary = " << s_primary << endl;
cout << "s_mode = " << s_mode << endl;
for( int i=1; i<len; i++ )
{
cout << next[i] << " ";
}
cout << endl;
cout << "index = " << index << endl;
}
int main()
{
string s_primary = " acabaabaabcacaabc";
string s_mode = " abaabcac";
int len = s_mode.size() ;
int *next = new int[len];
get_next( s_mode, next, len );
int tmp = Index_KMP( s_primary, s_mode, 1, next );
output( s_primary, s_mode, len, next, tmp );
delete [] next;
return 0;
}
參考网址
【1】字符串匹配的KMP算法 - 阮一峰的网络日志
http://www.ruanyifeng.com/blog/2013/05/Knuth%E2%80%93Morris%E2%80%93Pratt_algorithm.html
【2】KMP算法具体解释 - joylnwang的专栏 - 博客频道 - CSDN.NET
http://blog.csdn.net/joylnwang/article/details/6778316
【3】经典算法研究系列:六、教你初步了解KMP算法、updated - 结构之法 算法之道 - 博客频道 - CSDN.NET
http://blog.csdn.net/v_JULY_v/article/details/6111565
kmp算法(代码片段)
KMP算法写OJ时做到字符串匹配问题,用暴力算法结果超出时间限制了,其实早就知道这种问题可以用kmp算法解决,但是我一直懒得学,于是借助这个OJ来记录一下学习kmp算法的一些个人理解文章目录KMP算法字符串匹... 查看详情
java数据结构&算法宁可累死自己,也要卷死别人17kmp算法(代码片段)
...&算法的新篇章.KMP算法KMP(Knuth-Morris-Pratt),是一种改进的字符串匹配算法.KMP算法解决了暴力匹配需要高频回退的问题,KMP算法在匹配上若干字符后,字符串位置不需要回退,从而大大提高效率.如图:举个例子(字符串“abcabcdef”匹配... 查看详情
kmp算法(代码片段)
基本介绍KMP算法是一种用于字符串匹配的算法,网上关于kmp的介绍很多,也十分复杂,(其实我也没怎么搞懂)。首先我们还是考虑朴素的匹配,暴力枚举匹配起点,遇到不匹配的点,就直接退出,进行下一个起始点开始的一轮... 查看详情
kmp算法(代码片段)
1.KMP算法介绍在计算机科学中,Knuth-Morris-Pratt字符串查找算法(简称为KMP算法)可在一个字符串S内查找一个词W的出现位置。一个词在不匹配时本身就包含足够的信息来确定下一个匹配可能的开始位置,此算法利用... 查看详情
kmp算法(代码片段)
1.KMP算法介绍在计算机科学中,Knuth-Morris-Pratt字符串查找算法(简称为KMP算法)可在一个字符串S内查找一个词W的出现位置。一个词在不匹配时本身就包含足够的信息来确定下一个匹配可能的开始位置,此算法利用... 查看详情
kmp算法(代码片段)
KMP算法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... 查看详情
算法kmp字符串匹配算法(代码片段)
【原理】(1)next数组原理 (2)特殊情况的处理(巧妙增设哨兵)(3)递推法构造next[]表 【实现代码】#include<iostream>#include<cstdio>#include<cstring>usingnamespacestd;constintmaxn=100;chart[maxn];//textcharp[ 查看详情
kmp算法(字符串的匹配)(代码片段)
视频参考 对于正常的字符串模式匹配,主串长度为m,子串为n,时间复杂度会到达O(m*n),而如果用KMP算法,复杂度将会减少线型时间O(m+n)。 设主串为ptr="ababaaababaa";,要比较的子串为a=“aab”; KMP算法用到了next... 查看详情
kmp算法(代码片段)
... 避免从头匹配:最长相同前缀后缀KMP第一个线性的字符串匹配算法。算法的优化就是不做无功用,暴力匹配算法每次不匹配时,会重新开始新匹配。KMP的优化在于,知道 查看详情
kmp算法详解及其java实现(代码片段)
KMP算法,又称作“看猫片”算法(误),是一种改进的字符串模式匹配算法,可以在O(n+m)的时间复杂度以内完成字符串的匹配操作,其核心思想在于:当一趟匹配过程中出现字符不匹配时,不需要回溯主串的指针,而是利用已经... 查看详情
kmp字符串匹配算法(代码片段)
去年冬天就接触KMP算法了,但是听的不明不白,遇到字符串匹配的题我大都直接使用string中的find解决了,但今天数据结构课又讲了一下,我觉得有必要再来回顾一下。之前看过很多关于KMP的博客,有很多虽然很好,但是要么太... 查看详情
字符串-kmp算法(代码片段)
字符串算法中,字符串匹配是一个非常重要的应用。例如在网页中查找关键词,其实就是在对字符串匹配,也就是看一个主字符串中是否包含了一个子字符串。而KMP算法在字符串匹配方法中一个很著名并且很聪明的算法,当然也... 查看详情
kmp算法(代码片段)
...计算next数组前缀和后缀公共部分的最大长度next数组匹配字符串KMP算法基本思想算法由两部分组成计算ptr每一位及之前的字符串中,前缀和后缀公共部分的最大长度的next数组匹配ptr和str,当ptr失配时,利用next数组,实现ptr的最... 查看详情
字符串匹配算法(bf算法&&kmp算法)(代码片段)
字符串匹配算法暴力匹配(BF)算法KMP算法next数组求next数组的练习next数组的优化(nextval数组)练习暴力匹配(BF)算法BF算法,即暴力(BruteForce)算法,是普通的模式匹配算法,BF算法的思想就是... 查看详情
kmp板子kmp的小小理解(代码片段)
KMP算法是一个字符串匹配算法,最直白的用法就是在一个长度为n的字符串T中查找另一个长度为m字符串P的匹配(总之就是用于文本中进行单个字符串的匹配)。对于这个问题,暴力算法是很好做的,直接对于T的每个位置判断一... 查看详情
数据结构—串kmp模式匹配算法(代码片段)
数据结构—串串顺序串代码实现串的模式匹配BF算法代码实现KMP算法代码实现求next数组的代码KMP算法代码改进代码求nextVal修正的KMP算法串串(string)是由零个或多个字符组成的有限序列。含零个字符的串称为空串,用Ø表示。串中所... 查看详情
字符串匹配----kmp算法(代码片段)
什么是KMP算法: 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同时发现,因此人们称它为克努特——莫里斯——普拉特操作(简称KMP算法)。KMP算法的关键是利用匹配失败后的信息,尽量减... 查看详情
kmp匹配(代码片段)
目录字符串匹配算法(暴力匹配与kmp算法)1.暴力匹配算法2.kmp算法通过代码递推计算next数组字符串匹配算法(暴力匹配与kmp算法)1.暴力匹配算法顾名思义,暴力匹配算法就是用for循环暴力匹配,将两个字符串逐一匹配,一直... 查看详情