java 中模式匹配算法-KMP算法实例详解
java 中模式匹配算法-kmp算法实例详解
朴素模式匹配算法的最大问题就是太低效了。于是三位前辈发表了一种kmp算法,其中三个字母分别是这三个人名的首字母大写。
简单的说,kmp算法的对于主串的当前位置不回溯。也就是说,如果主串某次比较时,当前下标为i,i之前的字符和子串对应的字符匹配,那么不要再像朴素算法那样将主串的下标回溯,比如主串为“abcababcabcabcabcabc”,子串为“abcabx”.第一次匹配的时候,主串1,2,3,4,5字符都和子串相应的匹配,第6为‘c'与子串中的‘x'不匹配,说明此时i=6,下次匹配的时候,就不用再像朴素那样,将i置为2,再循环置为3,4,5去和子串匹配了。而是直接从i=6(以i=6为开头)开始和子串去进行匹配。
那么子串的下标的变化呢,是不是每次要从第一位开始去和主串匹配,实际上也不需要。还是上面的例子,第一次匹配后,子串的当前位置(下标)为j=6,因为前两位a,b和主串的4,5位的a,b已经比较完成,是匹配的,所以这两位也无需比较,也就是从j=3开始和主串匹配。现在的问题是,如何找到子串的下标j的变化。
我们把子串各个位置的j值得变化定义为1个数组next,那么next的长度就是t串的长度。于是可以得到下面的函数定义:
上图引用自《大话数据结构》,关于更多的kmp算法的说明,尤其是next[j]的推导,读者可以参考该书,讲解的非常的详细。下面给出该算法的java实现。
在《大话数据结构》,保存串的数组的首位,也就是0下标位置保存的是字符串的长度。但是上面的next[j]却可取值为0,这点我没有弄明白,如有哪位牛人能帮忙解释,万分感谢。下面编写的代码略有不同,在0下标位置不再是保存字符串的长度,而是保存字符串的首字符,也就是是与字符串对应的。所以next[j]的计算函数也不太一样,如下:
实现的代码:
public class pattern_kmp { public static void main(string args[]) { int times; string source="abcabaabcabcabxxzhabaabcabcabxad"; string substr="abcabx"; times=pattren_kmp(source, substr); system.out.println("匹配次数:"+times); } static int pattren_kmp(string source,string substr) { int len1,len2; len1=source.length(); len2=substr.length(); int i,j; i=j=0; int times=0; while(i<len1) { if(source.charat(i)==substr.charat(j)) { i++; j++; }else { if(j==0)/*这一步很重要,如果没有会进入死循环,也就是,如果主串某位与子串*/ i++;/*第一位不等的话,必须往后移位。*/ j=next(substr,j); } if(j==len2) { times++; j=0; } } return times; } static int next(string substr,int j) { if(j==0) return 0; else { int next=0; int k=1; int m1; int m2; int i,n; /*这一循环对应实现上面函数的第二项*/ while(k<j) { string sub1="",sub2=""; for(m1=0,m2=j-k;m1<k&&m2<j;m1++,m2++) { sub1+=substr.charat(m1); sub2+=substr.charat(m2); } for(i=0,n=0;i<sub1.length()&&n<sub2.length();i++,n++) { if(sub1.charat(i)!=sub2.charat(n)) break; } if(i==sub1.length()&&n==sub2.length()) next=k; k++; } return next; } } }
下面附上《大话数据结构》中的kmp算法(c代码)供对照参考(不是完整可执行程序)
/* 通过计算返回子串t的next数组。 */ void get_next(string t, int *next) { int i,j; i=1; j=0; next[1]=0; while (i<t[0]) /* 此处t[0]表示串t的长度 */ { if(j==0 || t[i]== t[j]) /* t[i]表示后缀的单个字符,t[j]表示前缀的单个字符 */ { ++i; ++j; next[i] = j; } else j= next[j]; /* 若字符不相同,则j值回溯 */ } } /* 返回子串t在主串s中第pos个字符之后的位置。若不存在,则函数返回值为0。 */ /* t非空,1≤pos≤strlength(s)。 */ int index_kmp(string s, string t, int pos) { int i = pos; /* i用于主串s中当前位置下标值,若pos不为1,则从pos位置开始匹配 */ int j = 1; /* j用于子串t中当前位置下标值 */ int next[255]; /* 定义一next数组 */ get_next(t, next); /* 对串t作分析,得到next数组 */ while (i <= s[0] && j <= t[0]) /* 若i小于s的长度并且j小于t的长度时,循环继续 */ { if (j==0 || s[i] == t[j]) /* 两字母相等则继续,与朴素算法增加了j=0判断 */ { ++i; ++j; } else /* 指针后退重新开始匹配 */ j = next[j];/* j退回合适的位置,i值不变 */ } if (j > t[0]) return i-t[0]; else return 0; }
感谢阅读,希望能帮助到大家,谢谢大家对本站的支持!