1, 如何在目标字符串 s 中,查找是否存在子串 p(本文代码已集成到字符串类——字符串类的创建(上)中,这里讲述KMP实现原理) ?
1,朴素算法:
2,朴素解法的问题:
1,问题:有时候右移一位是没有意义的;
2,KMP 算法可以右移一定的位数,提高效率;
3,朴素算法和 KMP 算法对比示例图:
2,伟大的发现(KMP):
1,匹配失败时的右移位数与子串本身相关,与目标无关;
2,移动位数 = 已匹配的字符数 - 对应的部分匹配值;
1,“已匹配的字符数”已知,“对应的部分匹配值”未知;
(2),部分匹配值就是对应元素和从开始元素开始连续相同的个数;
3,任意子串都存在一个唯一的部分匹配值;
3,部分匹配表示例:
4,部分匹配表如何获得 ?
1,前缀集:
1,除了最后一个字符外,一个字符串的全部头部组合;
2,后缀集:
1,除了第一个字符以外,一个字符串的全部尾部组合;
3,部分匹配值:
1,前缀集和后缀集最长共有元素的长度;
(2),得到共有长度是为了得到对应各个位置前面不相同的元素个数,这样如果前面不同元素匹配了,那么就可以直接移动的了;
4,ABCDABD 部分匹配表示例:
5,怎么编程产生部分匹配表(Partial Matched Table)(递推完成)?
1,实现关键:
1,PMT[1] = 0(下标为 0 的元素匹配值为 0);
2,从 2 个字符开始递推(从下标为 1 的字符开始递推);
3,假设 PMT[n] = PMT[n-1] + 1(最长共有元素的长度)(这是一个贪心假设);
4,当假设不成立,PMT[n] 在 PMT[n-1](这里是指的第 PMT[n-1] 个元素)个元素的 ll 值上用种子作为扩展的基础上继续比对;
1,当当前前子集“前后集最长共有元素数”为 0 时,说明其元素都不相等,可以直接比较当前子集延长一字母序列的首尾字母,且此子集“前后集最长共有元素数”最大为 1;
2,将 “前后集最长共有元素数”对应的前后缀最为种子扩展;
3,假设不成立时,把已经匹配的前 PMT[n-1] 个元素的“前后集最长共有元素数”(因为必须在相同的位置上扩展才有意义)作为种子来扩展;
6,部分匹配表的递推与实现:
1,部分匹配表的递推:
2,在 String 中实现部分匹配表:
1 /* 建立指定字符串的 pmt(部分匹配表)表 */ 2 int* String::make_pmt(const char* p) // O(m),只有一个 for 循环 3 { 4 int len = strlen(p); 5 int* ret = static_cast<int*>(malloc(sizeof(int) * len)); 6 7 if ( ret != NULL ) 8 { 9 int ll = 0; //定义 ll,前缀和后缀交集的最大长度数,largest length;第一步 10 ret[0] = 0; // 长度为 1 的字符串前后集都为空,对应 ll 为 0; 11 12 for(int i=1; i<len; i++) // 从第一个下标,也就是第二个字符开始计算,因为第 0 个字符前面已经计算过了; 第二步 13 { 14 /* 算法第四步 */ 15 while( (ll > 0) && (p[ll] != p[i]) ) // 当 ll 值为零时,转到下面 if() 函数继续判断,最后赋值与匹配表,所以顺序不要错; 16 { 17 ll = ret[ll - 1]; // 从之前匹配的部分匹配值表中,继续和最后扩展的那个字符匹配 18 } 19 20 /* 算法的第三步,这是成功的情况 */ 21 if( p[ll] == p[i] ) // 根据 ll 来确定扩展的种子个数为 ll,而数组 ll 处就处对应的扩展元素,然后和最新扩展的元素比较; 22 { 23 ll++; // 若相同(与假设符合)则加一 24 } 25 26 ret[i] = ll; // 部分匹配表里存储部分匹配值 ll 27 } 28 } 29 30 return ret; 31 }
7,部分匹配表的使用(KMP 算法):
1,不匹配时,移动位置,之后直接从/字符串的/不匹配前字符/的部分匹配值下标处/开始匹配;
8,KMP 子串查找算法在 String 中的实现 :
1 /* 在字符串 s 中查找子串 p */ 2 int String::kmp(const char* s, const char* p) // O(m) + O(n) ==> O(m+n), 只有一个 for 循环 3 { 4 int ret = -1; 5 int sl = strlen(s); 6 int pl = strlen(p); 7 int* pmt = make_pmt(p); 8 9 if( (pmt != NULL) && (0 < pl) && (pl <= sl) ) // 判断查找条件 10 { 11 for(int i=0, j=0; i<sl; i++) // i 的值要小于目标窜长度才可以查找 12 { 13 while( (j > 0) && (s[i] != p[j]) ) // 比对不上的时候,持续比对, 14 { 15 j = pmt[j-1];//移动后应该继续匹配的位置,j =j-(j -LL)=LL = PMT[j-1] 16 } 17 18 if( s[i] == p[j] ) // 比对字符成功 19 { 20 j++; // 加然后比对下一个字符 21 } 22 23 if( j == pl ) // 这个时候是查找到了,因为 j 增加到了 pl 的长度; 24 { 25 ret = i + 1 - pl; // 匹配成功后,i 的值停在最后一个匹配成功的字符上,这样就返回匹配成功的位置 26 27 break; 28 } 29 } 30 } 31 32 free(pmt); 33 34 return ret; 35 }
9,小结:
1,部分匹配表是提高子串查找效率的关键;
2,部分匹配值定义为前缀和后缀最长共有元素的长度;
3,可以用递推的方法产生部分匹配表;
4,KMP 利用部分匹配值与子串移动位数的关系提高查找效率;
1,每次匹配失败的时候,子串不会简单的右移一位,而是查询部分匹配表中的值,查到后则右移一定位数,使算法效率由平方变成线性时间;