zoukankan      html  css  js  c++  java
  • 字符串匹配的KMP算法

    字符串匹配是计算机的基本任务之中的一个。

      举例来说,有一个字符串"BBC ABCDAB ABCDABCDABDE"。我想知道。里面是否包括还有一个字符串"ABCDABD"?

      很多算法能够完毕这个任务,Knuth-Morris-Pratt算法(简称KMP)是最经常使用的之中的一个。它以三个发明者命名。起头的那个K就是著名科学家Donald Knuth。

      这样的算法不太easy理解。网上有非常多解释。但读起来都非常费劲。直到读到Jake Boxer的文章。我才真正理解这样的算法。

    以下,我用自己的语言,试图写一篇比較好懂的KMP算法解释。

      1.

      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。进行比較。由于B与A不匹配。所以搜索词后移一位。

      2.

      由于B与A不匹配,搜索词再往后移。

      3.

      就这样,直到字符串有一个字符。与搜索词的第一个字符同样为止。

      4.

      接着比較字符串和搜索词的下一个字符。还是同样。

      5.

      直到字符串有一个字符。与搜索词相应的字符不同样为止。

      6.

      这时,最自然的反应是,将搜索词整个后移一位,再从头逐个比較。这样做尽管可行,可是效率非常差,由于你要把"搜索位置"移到已经比較过的位置,重比一遍。

      7.

      一个基本事实是,当空格与D不匹配时,你事实上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"移回已经比較过的位置,继续把它向后移。这样就提高了效率。

      8.

      怎么做到这一点呢?能够针对搜索词,算出一张《部分匹配表》(Partial Match Table)。这张表是怎样产生的,后面再介绍。这里仅仅要会用就能够了。

      9.

      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相应的"部分匹配值"为2。因此依照以下的公式算出向后移动的位数:

      移动位数 = 已匹配的字符数 - 相应的部分匹配值

      由于 6 - 2 等于4,所以将搜索词向后移动4位。

      10.

      由于空格与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"),相应的"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。

      11.

      由于空格与A不匹配,继续后移一位。

      12.

      逐位比較,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。

      13.

      逐位比較,直到搜索词的最后一位,发现全然匹配,于是搜索完毕。

    假设还要继续搜索(即找出所有匹配)。移动位数 = 7 - 0,再将搜索词向后移动7位,这里就不再反复了。

      14.

      以下介绍《部分匹配表》是怎样产生的。

      首先。要了解两个概念:"前缀"和"后缀"。 "前缀"指除了最后一个字符以外,一个字符串的所有头部组合;"后缀"指除了第一个字符以外。一个字符串的所有尾部组合。

      15.

      "部分匹配值"就是"前缀"和"后缀"的最长的共同拥有元素的长度。以"ABCDABD"为例,

      - "A"的前缀和后缀都为空集,共同拥有元素的长度为0;

      - "AB"的前缀为[A]。后缀为[B],共同拥有元素的长度为0。

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

      - "ABCD"的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共同拥有元素的长度为0;

      - "ABCDA"的前缀为[A, AB, ABC, ABCD]。后缀为[BCDA, CDA, DA, A],共同拥有元素为"A",长度为1;

      - "ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA],后缀为[BCDAB, CDAB, DAB, AB, B],共同拥有元素为"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],共同拥有元素的长度为0。

      16.

      "部分匹配"的实质是,有时候。字符串头部和尾部会有反复。

    比方,"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),就能够来到第二个"AB"的位置。


    KMP的算法流程:

    • 如果如今文本串S匹配到 i 位置。模式串P匹配到 j 位置
      • 假设j = -1,或者当前字符匹配成功(即S[i] == P[j]),都令i++,j++,继续匹配下一个字符。
      • 假设j != -1,且当前字符匹配失败(即S[i] != P[j])。则令 i 不变。j = next[j]。此举意味着失配时,模式串P相对于文本串S向右移动了j - next [j] 位。

        我们发现假设某个字符匹配成功。模式串首字符的位置保持不动,不过i++、j++;假设匹配失配。i 不变(即 i 不回溯),模式串会跳过匹配过的next [j]个字符。整个算法最坏的情况是,当模式串首字符位于i - j的位置时才匹配成功,算法结束。
        所以。假设文本串的长度为n。模式串的长度为m。那么匹配过程的时间复杂度为O(n),算上计算next的O(m)时间。KMP的总体时间复杂度为O(m + n)


    很多其它了解能够查看July解说:http://blog.csdn.net/v_july_v/article/details/7041827

  • 相关阅读:
    [ActionSprit 3.0] FMS直播
    Selenium学习之==>Css Selector使用方法
    Selenium学习之==>Xpath使用方法
    Selenium学习之==>WebDriver驱动对照表
    Selenium学习之==>Selenium介绍
    HTML学习之==>JS
    HTML学习之==>DOM操作
    HTML学习之==>CSS
    HTML学习之==>HTML标签
    Python学习之==>线程&&进程
  • 原文地址:https://www.cnblogs.com/wzjhoutai/p/7220254.html
Copyright © 2011-2022 走看看