Chinaunix首页 | 论坛 | 博客
  • 博客访问: 19279064
  • 博文数量: 7460
  • 博客积分: 10434
  • 博客等级: 上将
  • 技术积分: 78178
  • 用 户 组: 普通用户
  • 注册时间: 2008-03-02 22:54
文章分类

全部博文(7460)

文章存档

2011年(1)

2009年(669)

2008年(6790)

分类: C/C++

2008-05-30 20:32:50

字符串的近似匹配,就是允许在匹配时有一定的误差,比如在字串“以前高手好久不见”中找“以前是高手”也能成功。具体地说,错误可以有三种类型:加字符(以前也是高手)、漏字符(以前高手)和替换字符(以前石膏手)。下面的函数在text中查找子串pat,最多允许有k个错误。返回的是匹配的终点(我还没想好如何确定起点,呵呵)。
至于算法的原理,现在一下子说不清楚,只能说这是一个非确定性有限自动机,以后有时间的话再详细介绍。有兴趣的话可以自己去看文章《faster approximate string matching》, algorithmica (1999) 23: 127-158。

算法的限制:(m-k)*(k+2) <= 64, 这里m是子串的长度。那个64是因为哦用了64位整数来编码自动机的状态。如果允许两个错误,则子串最长为18个字符,对一般应用来说足够了。

好了,废话少说,看算法吧。看不懂?没事了,哦也是半懂半不懂的。

char* amatch(const char* text, const char* pat, int k)
{
  int m = strlen(pat);
  assert(m-k>0);
  assert((m-k)*(k+2)<= 64);
  int j;
  __int64 din = 0;
  __int64 m1 = 0;
  __int64 m2 = 0;
  __int64 m3 = 0;
  __int64 g = 1 << k;
  int onekp1 = (1 << (k+1)) - 1;
  for (j=0; j  {
    din = (din << (k+2))|onekp1;
    m1 = (m1 << (k+2))|1;
    if (j < m-k-1)
      m2 = (m2 << (k+2)) | 1;
  }
  m2=(m2<<(k+2))|onekp1;
  __int64 d=din;
  const char* s=text;
  int c=*s++;
  while(c)
  {
    int found=0;
    const char* sp=pat;
    for(j=0;j    {
      int cp=*sp++;
      if(c==cp)
      {
        found=1;
        break;
      }
    }
    if(found)
    {
      do
      {
        __int64 tc = 0;
        const char* sp = pat;
        for (j=0; j        {
          int cp = *sp++;
          if (c!=cp)
          c|=(1<        }
        __int64 tc = 0;
        for (j=0; j        tc = (tc<<(k+2))|((tc>>j)&onekp1);
        __int64 x = (d>>(k+2))|tc;
        d=((d<<1)|m1)&((d<<(k+3))|m2)&(((x+m1)^x)>>1)&din;
        if((d & g) == 0)
          return (char*)s;
        if(d != din)
          c = *s++;
      }
      while ( d != din && c);
   }
   if (c)
     c = *s++;
}
return null;
}
阅读(1560) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~