字符串的模式匹配算法

模式匹配算法

前言

对于数据结构中串的章节，最为重要的莫过于串的模式匹配算法：即为求给定子串在主串中的出现的位置。从最开始的朴素模式匹配到后来的KMP算法，再到改良的KMP算法，算法逐渐改良，理解难度也逐渐加大。本人曾经多次阅读相关内容，怪于自身理解能力有限仅一知半解，但心中甚为挂念。今再次读之理解更深入之，遂记之以铭后效。

注解：

本文字符串结构皆为顺序存储结构，且使用下标为0的数组分量表示字符串的长度
主串标记为字符数组S，子串或者模式注为字符数组T

朴素模式匹配算法

//返回子串T在主串S中第pos个字符开始之后的位置。不存在返回0
int Index(SString S,SString T,int pos)
{
	int i=pos,j=1;//i是主串的字符指针，j是模式的字符指针
	while(i<=S[0]&&j<=T[0])
	{
		if(S[i]==T[j])//
		{
			i++;
			j++;
		}else{
			i=i-j+2;//对i进行回溯,回溯到pos的后续位置
			j=1;//j回溯到1
		}
	}
	if(j>T[0])
		return i-T[0];//返回子串在pos之后的第一个位置
	else
		return 0；//没有找到子串
}

算法思想步骤：

1. i为主串S的字符指针，j为模式的字符指针
2. 令i指向pos代表的字符，j指向模式第一个字符
3. 令S[i]和T[j]进行比较
   • 若相等，则i++，j++
   • 若不相等，i=i-j+2，j=1
4. 转步骤[3]

• 匹配成功：
  模式T中的每个字符依次和主串S中的一个连续字符序列相等。函数值为该对应相等连续字符序列中第一个字符在主串S中的位置
• 匹配不成功：函数值返回0

• 一般情况下的时间复杂度：O(m+n)
• 最坏情况下的时间负责度：O(m*n)
• 缺点：主串中存在多个与模式字符串“部分匹配”的子串，因此导致指针i的不断回溯

KMP模式匹配算法

改进的点:
在每一趟匹配过程中出现字符串比较不相等时，不需要回溯指针i，而是利用已经匹配得到的结果，将模式尽可能向右滑动一段距离，继续比较。

问题解决思路：

1. 问：当主串和模式匹配过程出现不相等，该怎么办？
   答：避免将指针i回溯，i保持不动，尝试将模式进行右滑
2. 问：将模式右滑的是指什么？
   答：i指针不变，找到下一个与i指针指向字符进行比较的模式中的字符
3. 问：右滑的意义在哪？为什么要右滑?
   答：利用上轮匹配得到部分的“匹配结果”，提高查找模式串的效率，避免指针i不断回溯导致的效率低下，只要让j进行回溯就好
4. 问：假设我们有匹配结果，即失配的j>1,那么上轮匹配得到的“匹配结果”是什么？
   答：假设是S[i]!=T[j]导致发生失配，则之前的匹配结果为:
   $$\begin{array}{r}{p}_1{p}_2{p}_i\dots p_{j-1}=s_{i-j+i}\dots s_{i-1}\\ .\end{array}$$
5. 问：如何利用部分“匹配结果”？
   答：假设存在：$$p_1{p}_2{p}_i\dots p_{k-1}\in p_1{p}_2{p}_i\dots p_{j-1}$$且有：$$S_{i-k+1}{S}_{i-k+2}\dots s_{i-1}\in s_{i-j+i}\dots s_{i-1}$$ 并且有$$p_1{p}_2$$