串的模式匹配算法:BF 和KMP

转载http://www.ruanyifeng.com/blog/2013/05/Knuth%E2%80%93Morris%E2%80%93Pratt_algorithm.html

1.BF 暴力解法

基本思想
从目标串s的第一个字符起与模式串ss的第一个字符串比较,如果相等,则比较后续字符串;
否则从串s的下一个字符与模式串重新比较。
以此类推,直至ss中每个字符依次和s中的一个连续的子串相等,则匹配成功,此时ss的第一个字符在s中的位置就是ss在s中的位置,否则则匹配不成功。
(其实这个地方可以用find函数)

2.KMP

举例来说,有一个字符串"BBC ABCDAB ABCDABCDABDE",我想知道,里面是否包含另一个字符串"ABCDABD"?
1.
在这里插入图片描述
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,进行比较。因为B与A不匹配,所以搜索词后移一位。
2.在这里插入图片描述

因为B与A不匹配,搜索词再往后移。
3.在这里插入图片描述
就这样,直到字符串有一个字符,与搜索词的第一个字符相同为止。
4.
在这里插入图片描述
接着比较字符串和搜索词的下一个字符,还是相同。
5.
在这里插入图片描述
直到字符串有一个字符,与搜索词对应的字符不相同为止,这个时候暴力的解法就是把字符串往后移一位,再次比较,如下
6.
在这里插入图片描述
这样的效率很差,因为你要把搜索位置移动到已经比较过的位置,重新比一遍。
7.
在这里插入图片描述
一个基本事实是,当空格与D不匹配时,你其实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"移回已经比较过的位置,继续把它向后移,这样就提高了效率。
8.那如何知道要移动多少呢?
这个时候就得算一张《部分匹配表》
首先 ,得明白两个词:前缀和后缀,"前缀"指除了最后一个字符以外,一个字符串的全部头部组合;"后缀"指除了第一个字符以外,一个字符串的全部尾部组合。
在这里插入图片描述

在这里插入图片描述
"部分匹配值"就是"前缀"和"后缀"的最长的共有元素的长度。以"ABCDABD"为例,

     - "A"的前缀和后缀都为空集,共有元素的长度为0;

- "AB"的前缀为[A],后缀为[B],共有元素的长度为0;

- "ABC"的前缀为[A, AB],后缀为[BC, C],共有元素的长度0;

- "ABCD"的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共有元素的长度为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],共有元素的长度为0。
  
  "部分匹配"的实质是,有时候,字符串头部和尾部会有重复。比如,“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),就可以来到第二个"AB"的位置。
8 .在这里插入图片描述
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对应的"部分匹配值"为2,因此按照下面的公式算出向后移动的位数:

移动位数 = 已匹配的字符数 - 对应的部分匹配值

因为 6 - 2 等于4,所以将搜索词向后移动4位。
9.在这里插入图片描述
因为空格与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”),对应的"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。
10.在这里插入图片描述
因为空格与A不匹配,继续后移一位。
11.
在这里插入图片描述

逐位比较,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。
12.
在这里插入图片描述
逐位比较,直到搜索词的最后一位,发现完全匹配,于是搜索完成。如果还要继续搜索(即找出全部匹配),移动位数 = 7 - 0,再将搜索词向后移动7位,这里就不再重复了。

下面是算法实现

#include <iostream>
#include <string>
#include <vector>
using namespace std;

//部分匹配表
void cal_next(string &str, vector<int> &next)
{
    
    
    const int len = str.size();
    next[0] = -1;
    int k = -1;
    int j = 0;
    while (j < len - 1)
    {
    
    
        if (k == -1 || str[j] == str[k])
        {
    
    
            ++k;
            ++j;
            next[j] = k;//表示第j个字符有k个匹配(“最大长度值” 整体向右移动一位,然后初始值赋为-1)
        }
        else
            k = next[k];//往前回溯
    }
}

vector<int> KMP(string &str1, string &str2, vector<int> &next)
{
    
    
    vector<int> vec;
    cal_next(str2, next);
    int i = 0;//i是str1的下标
    int j = 0;//j是str2的下标
    int str1_size = str1.size();
    int str2_size = str2.size();
    while (i < str1_size && j < str2_size)
    {
    
    
        //如果j = -1,或者当前字符匹配成功(即S[i] == P[j]),
        //都令i++,j++. 注意:这里判断顺序不能调换!
        if (j == -1 || str1[i] == str2[j])
        {
    
    
            ++i;
            ++j;
        }
        else
            j = next[j];//当前字符匹配失败,直接从str[j]开始比较,i的位置不变
        if (j == str2_size)//匹配成功
        {
    
    
            vec.push_back(i - j);//记录下完全匹配最开始的位置
            j = -1;//重置
        }
    }
    return vec;
}

int main(int argc, char const *argv[])
{
    
    
    vector<int> vec(20, 0);
    vector<int> vec_test;
    string str1;
    cin>>str1;
    string str2 ;
    cin>>str2;
    vec_test = KMP(str1, str2, vec);
    vector<int>::iterator it;
    for(it = vec_test.begin(); it != vec_test.end(); it++)
    {
    
    
        cout<<*it + 1<<endl;
    }
//    for (const auto v : vec_test)
//        cout << v << endl;
    return 0;
}

猜你喜欢

转载自blog.csdn.net/weixin_51216553/article/details/110140770