串(又称字符串)是由n(n≥0)个字符组成的有限序列,它是数据元素为单个字符的特殊线性表。串可以用顺序存储方式或者链式存储方式进行存储。模式匹配是串最重要和最复杂的一个操作,其实也就是串的查找,其中Brute-Force算法和KMP算法是两种最经常使用的顺序存储结构下的串的模式匹配算法。
模式匹配操作的具体含义是:
在主串(也称做目标串)S中,从位置start开始查找是否存在子串(也称做模式串)T,如果在主串S中查找到一个与模式串T相同的子串,则称查找成功;如在主串S中未找到一个与模式串T相同的子串,则称查找失败。当模式匹配成功时,函数返回模式串T的第一个字符在主串S中的位置;当模式匹配失败时,函数返回-1。
实际上,这就是C语言的 strstr() 以及 Java的 indexOf()函数实现的功能。
Brute-Force算法
BF算法的主要思想是:将主串S的第start个字符和模式T的第1个字符比较,若相等,继续逐个比较后续字符;若不等,从主串S的下一字符起,重新与T第一个字符比较,直到主串S的一个连续子串字符序列与模式T相等。返回值为S中与T匹配的子序列第一个字符的序号,即匹配成功。否则,匹配失败,返回值 –1。
代码实现:
public int BFindex(String S,int start,String T){
int i=start,j=0,v;
while(i<S.length() && j<T.length()){
if(S.charAt(i)==T.charAt(j)){
i++;
j++;
}
else{
i=i-j+1; //i的下一个,已经比较了j次,所以是i-j+1
j=0;
}
}
if(j==T.length()) //匹配成功
v=i-j;
else v=-1; //匹配失败
return v;
}
例如,主串T为:ababcabababab,子串为ababa,上述过程如下图所示。
KMP算法
BF算法简单并且容易理解,但是有些情况下时间效率不高,最好情况下(一配就中)时间复杂度为O(m),最坏情况下时间复杂度为O(n×m)。
为了克服主串下标i在若干个字符序列比较相等后,只要有一个字符比较不相等便需要把下标i的值回退的缺点,提出了改进的匹配算法KMP。
KMP算法的主要思想是:利用已经部分匹配这个有效信息,保持i指针不回溯,通过修改j指针,让模式串尽量地移动到有效的位置,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指针要移动到哪里。
这可以分为两种情况来考虑:当前si和tj比较不相等,(1)当模式串中不存在可相互重叠的真子串,下一次可直接比较si和t0;(2)当模式串中存在可相互重叠的真子串时,j要移动的下一个位置为k,k满足:模式串中最前面的k个字符和j之前的最后k个字符是一样的。
所以,问题的重点:计算每一个位置j对应的k,所以用一个数组next来保存,next[j] = k,表示当S[i] != T[j]时,j指针的下一个位置。
求next的函数设计:
public void getNext(String T,int[] next){
next[0]=-1; //特殊值
int j=0,k=-1;
while(j<T.length()-1){
if(k==-1 || T.charAt(j)==T.charAt(k))
next[++j]=++k;
else
k=next[k];
}
}
示意图如下: