c语言:字符串匹配的KMP算法
2016-05-29 13:38
471 查看
举例:有一个字符串"BBC ABCDAB ABCDABCDABDE",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,Knuth-Morris-Pratt算法(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,网上有很多解释,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。 1.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140954-a6364372f7cb42219c25c9a42ca91f2e.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 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,进行比较。因为B与A不匹配,所以搜索词后移一位。 2.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140954-4d282a1fa8e644f69c0ad9a96b8d4e0f.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 因为B与A不匹配,搜索词再往后移。 3.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140954-403557bcb10e41dbbce9434da36d105c.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 就这样,直到字符串有一个字符,与搜索词的第一个字符相同为止。 4.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140954-c084752484ac48eaa930a765095ed139.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 接着比较字符串和搜索词的下一个字符,还是相同。 5.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140955-99c6a1d36b9e418c96de092b8ca1f5ed.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 直到字符串有一个字符,与搜索词对应的字符不相同为止。 6.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140955-90c93e1401c843148af09b472400e613.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 这时,最自然的反应是,将搜索词整个后移一位,再从头逐个比较。这样做虽然可行,但是效率很差,因为你要把"搜索位置"移到已经比较过的位置,重比一遍。 7.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140955-4da97276b7aa4ab0bc760623d8f59434.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 一个基本事实是,当空格与D不匹配时,你其实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"移回已经比较过的位置,继续把它向后移,这样就提高了效率。 8.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140956-16bec39296b74bcaaf0627e20b846120.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 怎么做到这一点呢?可以针对搜索词,算出一张《部分匹配表》(Partial Match Table)。这张表是如何产生的,后面再介绍,这里只要会用就可以了。 9.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140955-14131127b6574a3391b337024614306a.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 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对应的"部分匹配值"为2,因此按照下面的公式算出向后移动的位数: 移动位数 = 已匹配的字符数 - 对应的部分匹配值 因为 6 - 2 等于4,所以将搜索词向后移动4位。 10.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140955-9707cee873fd452291d0638b295a3b9d.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 因为空格与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"),对应的"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。 11.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140959-bf69aab69d114c1da30362d3aeb57bdd.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 因为空格与A不匹配,继续后移一位。 12.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140956-7b7bf61a842f46a8949cc1d084a56f79.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 逐位比较,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。 13.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140957-b6c5a85c046244bf8805b9c0fb88e829.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 逐位比较,直到搜索词的最后一位,发现完全匹配,于是搜索完成。如果还要继续搜索(即找出全部匹配),移动位数 = 7 - 0,再将搜索词向后移动7位,这里就不再重复了。 14.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140956-8bf1c8f8454a4e269e287a2f7afe1a45.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 下面介绍《部分匹配表》是如何产生的。 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,一个字符串的全部头部组合;"后缀"指除了第一个字符以外,一个字符串的全部尾部组合。 15.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140958-0ff0d174ed79413d9052797fab044596.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> "部分匹配值"就是"前缀"和"后缀"的最长的共有元素的长度。以"ABCDABD"为例, - "A"的前缀和后缀都为空集,共有元素的长度为0; - "AB"的前缀为[A],后缀为[B],共有元素的长度为0; - "ABC"的前缀为[A, AB],后缀为[BC, C],共有元素的长度0; - "ABCD"的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共有元素的长度为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],共有元素的长度为0。 16.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140958-eb88ca7ad6d54fe4b44dc9ec0061f745.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> "部分匹配"的实质是,有时候,字符串头部和尾部会有重复。比如,"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),就可以来到第二个"AB"的位置。
许多算法可以完成这个任务,Knuth-Morris-Pratt算法(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,网上有很多解释,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。 1.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140954-a6364372f7cb42219c25c9a42ca91f2e.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 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,进行比较。因为B与A不匹配,所以搜索词后移一位。 2.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140954-4d282a1fa8e644f69c0ad9a96b8d4e0f.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 因为B与A不匹配,搜索词再往后移。 3.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140954-403557bcb10e41dbbce9434da36d105c.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 就这样,直到字符串有一个字符,与搜索词的第一个字符相同为止。 4.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140954-c084752484ac48eaa930a765095ed139.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 接着比较字符串和搜索词的下一个字符,还是相同。 5.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140955-99c6a1d36b9e418c96de092b8ca1f5ed.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 直到字符串有一个字符,与搜索词对应的字符不相同为止。 6.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140955-90c93e1401c843148af09b472400e613.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 这时,最自然的反应是,将搜索词整个后移一位,再从头逐个比较。这样做虽然可行,但是效率很差,因为你要把"搜索位置"移到已经比较过的位置,重比一遍。 7.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140955-4da97276b7aa4ab0bc760623d8f59434.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 一个基本事实是,当空格与D不匹配时,你其实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"移回已经比较过的位置,继续把它向后移,这样就提高了效率。 8.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140956-16bec39296b74bcaaf0627e20b846120.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 怎么做到这一点呢?可以针对搜索词,算出一张《部分匹配表》(Partial Match Table)。这张表是如何产生的,后面再介绍,这里只要会用就可以了。 9.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140955-14131127b6574a3391b337024614306a.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 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对应的"部分匹配值"为2,因此按照下面的公式算出向后移动的位数: 移动位数 = 已匹配的字符数 - 对应的部分匹配值 因为 6 - 2 等于4,所以将搜索词向后移动4位。 10.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140955-9707cee873fd452291d0638b295a3b9d.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 因为空格与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"),对应的"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。 11.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140959-bf69aab69d114c1da30362d3aeb57bdd.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 因为空格与A不匹配,继续后移一位。 12.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140956-7b7bf61a842f46a8949cc1d084a56f79.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 逐位比较,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。 13.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140957-b6c5a85c046244bf8805b9c0fb88e829.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 逐位比较,直到搜索词的最后一位,发现完全匹配,于是搜索完成。如果还要继续搜索(即找出全部匹配),移动位数 = 7 - 0,再将搜索词向后移动7位,这里就不再重复了。 14.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140956-8bf1c8f8454a4e269e287a2f7afe1a45.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> 下面介绍《部分匹配表》是如何产生的。 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,一个字符串的全部头部组合;"后缀"指除了第一个字符以外,一个字符串的全部尾部组合。 15.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140958-0ff0d174ed79413d9052797fab044596.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> "部分匹配值"就是"前缀"和"后缀"的最长的共有元素的长度。以"ABCDABD"为例, - "A"的前缀和后缀都为空集,共有元素的长度为0; - "AB"的前缀为[A],后缀为[B],共有元素的长度为0; - "ABC"的前缀为[A, AB],后缀为[BC, C],共有元素的长度0; - "ABCD"的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共有元素的长度为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],共有元素的长度为0。 16.650) this.width=650;" src="http://images.cnitblog.com/news/331782/201305/02140958-eb88ca7ad6d54fe4b44dc9ec0061f745.png" alt="" style="margin:0px auto;padding:0px;font-size:12px;border:none;" /> "部分匹配"的实质是,有时候,字符串头部和尾部会有重复。比如,"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),就可以来到第二个"AB"的位置。
相关文章推荐
- c语言:模拟实现strstr库函数
- c语言:浪漫的putchar(),用数字向女朋友表白吧(ps:单身汪勿入)
- c语言:我国国民生产总值的年增长率为10%,10年后国民生产总值与现在相比增长多少
- c语言:存款利息计算,1000元,存5年,求五种方案存款五年后的本息和
- c语言:购房从银行贷了一笔款d,准备每月还款额为p,月利率为r,计算多少月能还清。
- c语言:整型和字符型的范围易错及分析
- c语言:实现对于给定的正整数N,依次打印出小于等于N的所有素数。两种方法及其优化
- c语言:编写猜数字小游戏。
- c语言:C语言清空输入缓冲区在标准输入(stdin)情况下的使用
- c语言:按如下方式输出You are handsome!,每到下一行,就替换掉两边上的字符
- c语言:sizeof的使用,其不是函数,是一个操作符关键字,定义一个数组arr,输出arr和&arr的区别
- c语言:0的按位取反结果
- c语言:&&和||的关系
- c语言:条件表达式的应用
- c语言:易错的if语句
- c语言:在屏幕上输出图案
- c语言:编写一个程序,它从标准输入(终端)读取C源代码,并验证所有的花括号都正确的成对出现。
- c语言:用户输入10个整数,程序找出其中的最大值和最小值
- c语言:有1、2、3、4个数字,能组成多少个互不相同且无重复数字的三位数?打印出来?
- c语言:实现一个函数,判断一个数是不是素数。