字符串匹配(KMP 算法 含代码)

Posted lxjshuju

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了字符串匹配(KMP 算法 含代码)相关的知识,希望对你有一定的参考价值。

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,一般记为技术分享 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

字符串匹配的KMP算法

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.技术分享

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.
技术分享
由于B与A不匹配。搜索词再往后移。


3.技术分享

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.技术分享

接着比較字符串和搜索词的下一个字符,还是同样。
5.技术分享

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.
技术分享
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.
技术分享
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.
技术分享
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.
技术分享
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.
技术分享
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.
技术分享
由于空格与A不匹配,继续后移一位。
12.
技术分享
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.
技术分享
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.
技术分享
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.
技术分享
“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.
技术分享
“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






























































以上是关于字符串匹配(KMP 算法 含代码)的主要内容,如果未能解决你的问题,请参考以下文章

kmp匹配

KMP算法的理解和代码实现

KMP算法详解以及Java代码实现

KMP算法详解以及Java代码实现

kmp算法的个人理解

KMP(字符串匹配算法)