正则表达式匹配问题

#include "iostream"
#include "string"
#include "iomanip"
#include "fstream"
using namespace std;

/*
正则表达式可选字符集的排列顺序先为‘*’，‘？’，操作文件名序列中出现的所有字符按其频率递减的次序随后

大体思路：
正则表达式为s，当前考察文件为f

match(i, j)为s[1,i]与f[1,j]匹配情况
如果match(i-1, j-1) = 1, s[i] = '?'
match(i-1, j-1) = 1, s[i] = f[j]
match(i-1, k) = 1,   s[i] = '*'
match(i, j) = 1
否则 match(i, j) = 0
*/

const int MAXN = 250;  //文件数
const int MAXL = 8;  //文件名长度
const int MAXP = 62; //大写字母 + 小写字母 + 数字
int minlen;  //最优正则表达式长度
int maxmat;  //最优正则表达式所能匹配的操作文件数
int curmat;  //当前正则式所能匹配的操作文件数
string f[MAXN+1];  //操作文件 + 非操作文件
string k[MAXN+1];  //非操作文件
int n[2];  //n[0]为操作文件数，n[1]为非操作文件数
int p[MAXP];  //p[len-1] 存储 s[len]可选字符数
char s[MAXP];  //存储临时正则表达式
char minmat[MAXP];  //最优正则表达式
int match[MAXP][MAXN+1][MAXP];  //match[len][i][j]表示正则表达式的第len个字符与第i个文件的第j个字符的匹配情况

struct Cha
{
char c;  //字符
int f;   //字符出现的频率
};

Cha cha[MAXN][MAXP]; //cha[len][i]表示正则表达式长度为len时的字符排序情况

//对操作文件名中出现的字符按出现频率排序存储，以加快搜索进程
void save(char c, int len)
{
int i, j;
for(i=1; i<=p[len]; i++)
if(cha[len][i].c == c)
{
cha[len][i].f++;
cha[len][0] = cha[len][i];
j = i;
while(cha[len][j-1].f < cha[len][0].f)  //将频率小于当前字符频率的字母后移
{
cha[len][j] = cha[len][j-1];
j--;
}
cha[len][j] = cha[len][0];  //将当前字母放到适当位置
return;
}
//如果p[len] = 0，或者字符c第一次出现，则增加一个字符
cha[len][++p[len]].c = c;
cha[len][p[len]].f = 1;
}

//计算当前匹配情况
bool check(int len)
{
int i, j, t, k = 0;
curmat = 0;
for(i=1; i<=n[0]; i++)  //操作文件数
{
for(j=0; j<MAXP; j++)
match[len][i][j] = 0;
if(len==1 && s[1]=='*')
match[len][i][0] = 1;
for(j=1; j<=f[i].length(); j++)  //操作文件的每个字符
{
switch(s[len])
{
case '*':
for(t=0; t<=j; t++)
if(match[len-1][i][t]==1)
{
match[len][i][j] = 1; //正则表达式的第len个字符与第i个文件的第j个字符的匹配情况
break;
}
break;  //此处的break不能省略！
case '?':
match[len][i][j] = match[len-1][i][j-1];
break;
default:
if(s[len]==f[i][j-1])
match[len][i][j] = match[len-1][i][j-1];
break;
}
}
for(j=f[i].length(); j>=1; j--)
{
if(match[len][i][j] == 1)
{
k++;
if(j == f[i].length()) //说明第i个文件与正则表达式匹配
curmat++;
break;
}
}
}
if(k<maxmat || k==maxmat && len>=minlen)
return false;
p[len] = 0;
for(i=1; i<=n[0]; i++) //对与正则表达式匹配的文件中的字符重新排序，以便正则式下次扩展
for(j=1; j<f[i].length(); j++)
if(match[len][i][j]==1)
save(f[i][j], len);
return true;
}

//判断是否匹配非操作文件
bool ok(int len)
{
int i, j, l, t;
for(l=1; l<=len; l++)
{
for(i=n[0]+1; i<=n[0]+n[1]; i++)
{
for(j=0; j<MAXP; j++)
match[l][i][j] = 0;
if(s[1]=='*' && l==1)
match[l][i][0] = 1;
for(j=1; j<=f[i].length(); j++)
{
switch(s[l])
{
case '*':
for(t=0; t<=j; t++)
if(match[l-1][i][t]==1)
{
match[l][i][j] = 1;
break;
}
break;
case '?':
match[l][i][j] = match[l-1][i][j-1];
break;
default:
if(s[l]==f[i][j-1])
match[l][i][j] = match[l-1][i][j-1];
break;
}
}
}
}
for(i=n[0]+1; i<=n[0]+n[1]; i++)  //如果正则表达式与非操作文件匹配
if(match[len][i][f[i].length()]==1)
return false;
return true;
}

//求最优匹配的回溯法
//len 为当前正则表达式长度
//正则表达式可选字符集的排列顺序先为‘*’，‘？’，操作文件名序列中出现的所有字符按其频率递减的次序随后
void search(int len)
{
if((curmat>maxmat || (curmat==maxmat && len<minlen)) && ok(len))
{
maxmat = curmat;
minlen = len;
for(int i=0; i<=minlen; i++)
minmat[i] = s[i];
}
len++;
if(len==1 || s[len-1]!='*')
{
s[len] = '?';
if(check(len))
search(len);
s[len] = '*';
if(check(len))
search(len);
}
for(int i=1; i<=p[len-1]; i++)
{
s[len] = cha[len-1][i].c;
if(check(len))
search(len);
}
}

int main()
{
ifstream fin("正则.txt");
cout << "输入文件：\n";
n[0] = 0;
n[1] = 0;
p[0] = 0;
string str;
char ch;
while(!fin.eof())
{
fin >> str;
fin >> ch;
if(ch == '+')
{
f[++n[0]] = str;
cout << f[n[0]] << " " << ch << endl;
save(f[n[0]][0], 0);
}
else
{
k[++n[1]] = str;
cout << k[n[1]] << " " << ch << endl;
}
}
for(int i=1; i<=n[1]; i++)
f[n[0]+i] = k[i];
memset(match, 0, sizeof(match));
for(i=1; i<=n[0]+n[1]; i++)
match[0][i][0] = 1;
maxmat = 0;
minlen = 255;

search(0);
cout << "匹配最多文件数：" << maxmat << endl;
cout << "正则表达式为：";
for(i=0; i<=minlen; i++)
cout << minmat[i];
cout << endl;
fin.close();
return 0;
}