串的模式匹配 BF算法&KMP算法

串的模式匹配算法，常见的有BF算法和KMP算法，其中BF算法可读性好，而KMP算法效率更高。

BF算法

BF算法也就是最朴素的模式匹配算法，也是一种暴力算法，非常好理解。

算法原理：

把目标串S的首字符与模式串T的首字符进行匹配，如果相等，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，直到匹配成功或者

全部遍历完为止。

C语言实现：

  //返回子串T在主串S中第pos个字符之后的位置，若不存在，则返回-1
  int Index(char *S,char *T,int pos)   //逐项比较
  {
  int j = 1,i = pos,lens=strlen(S),lent=strlen(T); //i用于主串S当前位置下表值，若pos不为1，则从pos位置开始匹配   j用于字串T中当前位置下标值

 while(i<lens&&j<lent) //若i小于S的长度，且j小于T的长度则继续
  {
  if(S[i]==T[j])
    {
    i++;j++;
    }
 else
  {
     i=i-j+2;  //指针后退，重新开始匹配
      j=1;
   }
   
}
 if(j>=lent) 
return i-lent;
 else 
return -1;
 }

KMP算法

BF算法的效率是比较低的，KMP算法是串的模式匹配中一种效率较高的算法。KMP算法的核心就是避免不必要的回溯，问题由模式串决定，不是由主串决定。

算法原理：

假设有两个字符串，一个是待匹配的字符串S,一个是要查找的关键字T。现在我们要在S中去查找是否包含T，用i来表示S遍历到了哪个字符，

用j来表示T匹配到了哪个字符。利用已经部分匹配这个有效信息，保持主串i指针不回溯，通过修改模式串j指针，让模式串尽量地移动到有效的位置。

那么整个KMP的重点就在于当某一个字符与主串不匹配时，我们应该知道j指针要移动到哪？

先举个例子找一找j的移动规律：

 

如上图：C和D不匹配了，我们要把j移动到哪？显然是第1位（也就是B处）。为什么？因为前面有一个A是相同的：

 

如下图也是一样的情况：

 

可以把j指针移动到第2位（也就是C处），因为前面有两个字母是一样的：

 

至此我们可以大概看出一点端倪，当匹配失败时，j要移动的下一个位置k。存在着这样的性质：最前面的k个字符和j之前的最后k个字符是一样的。

如果用数学公式来表示是这样的

P[0 ~ k-1] == P[j-k ~ j-1]

这个相当重要，如果觉得不好记的话，可以通过下图来理解：

 

弄明白了这个就应该可能明白为什么可以直接将j移动到k位置了。

一般，我们查找T中每一位前面的子串的前后缀有多少位匹配，从而决定j失配时应该回退到哪个位置，而结果就存储在next[ ]数组中。

我们可以得到如下的函数定义：

                                                                 

照此思路，求next [ ]数组的C语言实现如下

void get_next(char *T,int next[])   //修正前的next数组
{
int i = 1,j = 0;
5 next[1] = 0;
int m = strlen(T);
while(i<strlen(T)-1)   // 根据已知的前j位推测第j+1位
{
if(j == 0||T[j]==T[i])  //T[I]表示后缀的单个字符，T[j]表示前缀的单个字符
{
  ++i;
  ++j;
  next[i] = j;
}
else j = next[j];   //若字符不相同，j值回溯
}
}

 求得了next [ ]数组，KMP算法也就不难实现了

//返回子串T在主串S中第pos个字符之后的位置，若不存在，则返回-1
int Index_kmp(char *S,char *T,int pos,int next[])   //逐项比较
{
int j = 0,i = pos,lens=strlen(S),lent=strlen(T); //i用于主串S当前位置下表值，若pos不为1，则从pos位置开始匹配   j用于字串T中当前位置下标值
get_next(T,next); //对子串T分析，得到next[]数组
while(i<lens&&j<lent) //若i小于S的长度，且j小于T的长度则继续
{
if(S[i]==T[j]||j==0) //两字母相等则继续，与朴素算法相比多了j==0
{
i++;j++;
}
else j = next[j];    //j指针后退，重新开始匹配
}
if(j>=lent) return i-lent;
else return -1;
}

后来人们又发现，next [ ]数组还有可以优化的地方。

(1)如果str[k] == str[j]，很明显，我们的next[j+1]就直接等于k+1。用代码来写就是next[++j] = ++k;

可是我们知道，第j+1位是失配了的，如果我们回退j后，发现新的j(也就是此时的++k那位)跟回退之前的j也相等的话，必然也是失配。所以还得继续往前回退。

由此可得改进后的next [ ]数组 C语言实现

void get_nextval(char *T,int nextval[]) //修正后的nextval数组
{
int i = 1,j = 0;

nextval[1] = 0;
int m = strlen(T);
while(i<strlen(T)-1)
{
if(j == 0||T[j]==T[i])
{
++i;
++j;
if(T[i]!=T[j]) nextval[i] = j;
else nextval[i] = nextval[j];
}
else j = nextval[j];
}
}