字符串匹配处理

我先抛砖引玉写几个topic，然后我会指定你们中的一些领域专家分享自己的知识，当然也欢迎你们毛遂自荐。

1. 将一个string转换为int

这是我以前爱用的面试题，即使不考虑科学计数法和其它进制，短时间写出正确程序仍然不易（需要考虑溢出）

1. 字符串左旋：比如abcde向左旋转三位变成deabc
2. 假设客户端和服务器之间的通信是不安全的（传递的所有数据都可能被非法获得，对称加密算法可能被破解）

设计安全机制，在服务正常用户的同时，拒绝非法访问

1. 随机生成m个整数，要求

a)         每个数出现的概率均等

b)         它们在1到n之间

c)         它们各不相同

d)         效率较高

1. 给定一个包含n 个整数的数组，找出其中出现超过一次的数

这5道题如果你能不借助任何外力，做出4道，请来找我。

进入正题：

字符串处理在工作中经常遇到，最有名的算法就是kmp。但是，它有几个缺点：

1. 只能单字符串；

2. 需要预处理；

3. 其实，它的速度不是最快的……出名只是因为在教材中；

4. 不能处理最长公共子串等其它非匹配问题。

事实上，字符串处理博大精深：

1. 单字符串匹配

在长度为n的匹配串中查找长度为m的模式串是否出现，以及出现的位置

a)         Brute Force

从左到右一个字符一个字符比较

时间复杂度O(n*m)

b)         KMP

最有名的算法，教科书中，作者之一（K）是图灵奖得主

核心思想是，充分利用m的特性，匹配失败时，尽可能多地移动模式串，以减少比较次数

时间复杂度O(n)

http://jpkc.nwu.edu.cn/datastr/study_online/newsite/pluspage/kmp.htm

c)         Horspool

从右到左比较

当匹配失败时，模式串从不匹配字符处向左寻找匹配串中不匹配的字符，若找到取最靠右的那个，移动模式串对齐；若找不到，移动模式串到不匹配字符处右方

时间复杂度平均O(n)，最坏O(n*m)

http://www.cnblogs.com/dsky/archive/2012/04/24/2467655.html

d)         BM

这个算法的实际效果比KMP快数倍；是逻辑上最复杂的算法

相当于KMP和Horspool的结合

时间复杂度O(n)

http://blog.csdn.net/iJuliet/article/details/4200771

e)         Sunday

这是我个人最喜欢的算法，比BM快，同时很简洁

其它和Horspool类似，只是比较的不是不匹配的字符，而是匹配串中下一位字符

http://baike.baidu.com/view/6325831.htm?fr=aladdin

f)          Rabin-Karp

以串而不是字符为单位，串映射为值；值一样再继续比较

http://en.wikipedia.org/wiki/Rabin%E2%80%93Karp_algorithm

1. 多字符串匹配

在很多匹配串（字典）中查找长度为m的模式串

a)         Trie

我个人比较喜欢的一种算法，广泛应用于tips（搜索提示）、禁词过滤等

http://zh.wikipedia.org/zh/Trie

b)         Aho–Corasick

有限状态自动机+KMP

http://en.wikipedia.org/wiki/Aho%E2%80%93Corasick_string_matching_algorithm

1. 后缀数组

后缀数组是字符处理的利器，广泛应用于求最长前缀、最长公共子串、最长递增子串、最长回文子串和最长重复子串等。

如果参加ACM，此技能必须掌握。

http://baike.baidu.com/view/1240197.htm?fr=aladdin

http://wenku.baidu.com/link?url=Qho60zwH165gwPqq0Eubjvv7k9d0uv9J8NX8tzUi5B7Fechm0LJtS3JPJN8syCLfoXdWjhEi71SVYe661idevKMqnOX_X-akYhXq59e5GLS