Chinaunix首页 | 论坛 | 博客
  • 博客访问: 1435239
  • 博文数量: 241
  • 博客积分: 10
  • 博客等级: 民兵
  • 技术积分: 2253
  • 用 户 组: 普通用户
  • 注册时间: 2012-04-11 22:27
个人简介

--

文章分类

全部博文(241)

文章存档

2021年(3)

2019年(6)

2018年(1)

2017年(9)

2016年(21)

2015年(50)

2014年(125)

2013年(26)

我的朋友

分类: C/C++

2013-09-30 10:39:55

本文将介绍几种常见的字符串匹配算法,大部分材料都是网 络上收集而来。不过都经过我审察学习过,保证是不错的学习素材。

1. 朴素算法                             

朴素算法是最简单的字符串匹配算法,也是人们接触得最多的字符串匹配算法。代码一看就懂,在此不在赘述。

#include

#include

void search(char *pat, char *txt)

{

    int M = strlen(pat);

    int N = strlen(txt);

 

    /* A loop to slide pat[] one by one */

    for (int i = 0; i <= N - M; i++)

    {

        int j;

 

        /* For current index i, check for pattern match */

        for (j = 0; j < M; j++)

        {

            if (txt[i+j] != pat[j])

                break;

        }

        if (j == M)  // if pat[0...M-1] = txt[i, i+1, ...i+M-1]

        {

           printf("Pattern found at index %d \n", i);

        }

    }

}

 

/* Driver program to test above function */

int main()

{

   char *txt = "AABAACAADAABAAABAA";

   char *pat = "AABA";

   search(pat, txt);

   getchar();

   return 0;

}

朴素算法有两层循环,外层循环执行N-M+1次,内层循环执行M次,所以它的时间复杂度为O((N-M+1)*M)。

参考资料:

2. Rabin-Karp算法                     

我们再来看一个时间复杂度为O((N-M+1)*M)的字符串匹配算法,即Rabin-Karp算法。Rabin-Karp算法的预处理时间是O(m), 匹配时间OO((N-M+1)*M),既然与朴素算法的匹配时间一样,而且还多了一些预处理时间,那为什么我们 还要学习这个算法呢?

虽然Rain-Karp在最坏的情况下与朴素的世间复杂度一样,但是实际应用中往往比朴素算法快很多。而且该算法的 期望匹配时间是O(N+M)(参照《算法导论》)。

在朴素算法中,我们需要挨个比较所有字符,才知道目标字符串中是否包含子串。那么, 是否有别的方法可以用来判断目标字符串是否包含子串呢?

答案是肯定的,确实存在一种更快的方法。为了避免挨个字符对目标字符串和子串进行比较, 我们可以尝试一次性判断两者是否相等。因此,我们需要一个好的哈希函数(hash function)。 通过哈希函数,我们可以算出子串的哈希值,然后将它和目标字符串中的子串的哈希值进行比较。 这个新方法在速度上比暴力法有显著提升。

 Rabin-Karp算法的思想:

 假   1.设子串的长度为M,目标字符串的长度为N

2.   2. 计算子串的hash值

3.    3.计算目标字符串中每个长度为M的子串的hash值(共需要计算N-M+1次)

      4.比较hash值


 如果hash值不同,字符串必然不匹配,如果hash值相同,还需要使用朴素算法再次判断

为了快速的计算出目标字符串中每一个子串的hash值,Rabin-Karp算法并不是对目标字符串的 每一个长度为M的子串都重新计算hash值,而是在前几个字串的基础之上, 计算下一个子串的 hash值,这就加快了hash之的计算速度,将朴素算法中的内循环的世间复杂度从O(M)将到了O(1)。

关于hash函数的详细内容,可以参考或者《算法导论》。

下面是一个Rabin-Karp算法的实现:

/* Following program is a C implementation of the Rabin Karp Algorithm

   given in the CLRS book */

 

#include

#include

 

// d is the number of characters in input alphabet

#define d 256

 

/*  pat  -> pattern

    txt  -> text

    q    -> A prime number

*/

void search(char *pat, char *txt, int q)

{

    int M = strlen(pat);

    int N = strlen(txt);

    int i, j;

    int p = 0;  // hash value for pattern

    int t = 0; // hash value for txt

    int h = 1;

 

    // The value of h would be "pow(d, M-1)%q"

    for (i = 0; i < M-1; i++)

        h = (h*d)%q;

 

    // Calculate the hash value of pattern and first window of text

    for (i = 0; i < M; i++)

    {

        p = (d*p + pat[i])%q;

        t = (d*t + txt[i])%q;

    }

 

    // Slide the pattern over text one by one

    for (i = 0; i <= N - M; i++)

    {

 

        // Chaeck the hash values of current window of text and pattern

        // If the hash values match then only check for characters on by one

        if ( p == t )

        {

            /* Check for characters one by one */

            for (j = 0; j < M; j++)

            {

                if (txt[i+j] != pat[j])

                    break;

            }

            if (j == M)  // if p == t and pat[0...M-1] = txt[i, i+1, ...i+M-1]

            {

                printf("Pattern found at index %d \n", i);

            }

        }

 

        // Calulate hash value for next window of text: Remove leading digit,

        // add trailing digit          

        if ( i < N-M )

        {

            t = (d*(t - txt[i]*h) + txt[i+M])%q;

 

            // We might get negative value of t, converting it to positive

            if(t < 0)

              t = (t + q);

        }

    }

}

 

/* Driver program to test above function */

int main()

{

    char *txt = "GEEKS FOR GEEKS";

    char *pat = "GEEK";

    int q = 101;  // A prime number

    search(pat, txt, q);

    getchar();

    return 0;

}

参考资料:3、KMP算法                                 

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"?

许多算法可以完成这个任务,(简称KMP)是最常用的之一。它以三个发明者命名,起头的那个K就是著名科学家Donald Knuth。

这种算法不太容易理解,网上有很多,但读起来都很费劲。直到读到Jake Boxer的文章,我才真正理解这种算法。下面,我用自己的语言,试图写一篇比较好懂的KMP算法解释。

(因为多插图,贴出来图显示不了,所以以文件附件贴出。)
KMP算法.doc


阅读(1234) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~