子串的定位操作通常称作串的模式匹配,是各种处理系统中的最重要操作之一。
模式匹配最朴素的算法是回溯法,即模式串跟主串一个字符一个字符的匹配,当模式串中跟主串不匹配时,主串回溯到与模式串匹配开始的下一个位置,模式串回溯到第一个位置,继续匹配。算法的时间复杂度为O(m*n),算法如下:
//朴素的串的模式匹配算法,S为主串,T为模式串,即找S中有没有与T相同的字串 int Index(char *S, char *T, int pos)//pos记录从哪一位开始匹配可以直接用0代替 { int i=pos, j=0; while(i <strlen(S) && j <strlen(T))//确保未超出字符串的长度 { if (S[i] == T[j]) { ++i; ++j;} //如果相同,则继续向后比较 else {i = i-j+1; j =0;} //如果不同,就回溯,重新查找 } if (j == strlen(T)) return i-strlen(T); //若匹配成功,返回S中与T字符串相同开始位置的索引 else return 0; //若匹配不成功,返回0 }
O(m*n)的时间复杂度有点大,于是人们发现了KMP算法,核心思想是:当不匹配发生时,主串不回溯,模式串回溯到“合适”的位置,哪个位置合适,只与模式串有关,所以可以先算出模式串中各个字符,当不匹配发生是,应该回溯到哪个位置。算法整体时间复杂度O(m+m)。
算法如下:
void GetNext(char* T, int *next) { int i=1,j=0; next[1]=0; while( i < strlen(T) ) { if (j == 0 || T[i] == T[j]) { ++i; ++j; next[i] = j; } else j = next[j]; } } int KMP(char* S, char* T, int pos) { int i = pos, j = 1; while (i) { if (S[i] == T[j]) { ++ i; ++ j; } else j = next[j]; } if (j > strlen(T)) return i-T[0]; else return 0; }
求next的操作不是最优的,因为他没有考虑aaaaaaaaaaaaaaaaaaab的情况,这样前面会出现大量的1,这样的算法复杂度已经和最初的朴素算法没有区别了。所以稍微改动一下:
void GetNextEx(char *T, int *next) { int i=1,j=0; next[1] = 0; while(i < strlen(T)) { if (j == 0 || T[i] == T[j]) { ++i; ++j; if (T[i] == T[j]) next[i] = next[j]; //减少回退次数 else next[i] = j; //和上面算法一样next[i]=j } else j = next[j]; } }