朴素的模式匹配算法
- 串的模式匹配是查询主串中是否含有与之匹配的字串，有则返回从主串开始匹配位置后的第一次出现子串的位置，否则返回。
以下图为例：
主串s中存在相同值的子串t 返回在s中pos后第一次出现的位置 否则 返回 0
代码如下 ：
#include<stdio.h>
#include<stdlib.h>
#include<string.h>
typedef char * String ;
int getindex(String s ,String t,int pos){
int i=pos;
int j=0;
while(i<strlen(s)&&j<strlen(t)){
if(s[i]==t[j]){
i++;
j++;
}else{
j=0;
i=i-(j-1);
}
}
if(j>=strlen(t)){
return i-strlen(t)+1;
}else {
return 0;
}
}
int main()
{
char s[255]="abac";
char t[255]="ac";
int i=getindex(s,t,0);
printf("%d",i);
if(i){
printf("匹配字符串的起始位置为：%d",i);
}else{
printf("匹配失败\n");
}
return 0;
}
上述代码是通过从字符串的第0个位置开始计算的，并不是按照书上通过s[0] t[0] 存储字符串的长度 (那种方式主要是自己不会) 而平时串的起始位置时从一开始 ，即返回位置时应当加1。
如下图所示：
KMP算法
KMP算法是对朴素的模式匹配算法的一种改进，在BF算法中是通过回溯模式串的方式与主串的字符一一比较是否匹配，而KMP算法不需要回溯模式串提高了效率。
注意便于解释与计算 主串s和模式串t都从第一个元素开始比较，即忽略掉s[0]和t[0]
- 考虑下面几种情况：
由上图看并没有回溯模式串,而是将主串失配的位置与模式串的第一个元素比较,主串s中的s[1] s[2] s[3] 分别与模式串中的t[1] t[2] t[3]
的元素匹配，明显地，模式串中的t[1] 与 t[2] t[3] 都不匹配，所以t[1] 与主串的中的元素s[2] s[3] 必然不相等 ，所以下次匹配的位置就应当从主串的s[4]开始匹配，通过这样的思想赋给模式串的j一个不用回溯的位置数字，减少不必要的重复。
还存在另一种情况 在这种情况下应该怎样继续进行匹配呢？
如果这种情况下失配的话以正常思维来看的话 应当从t[3]的位置开始继续匹配字符串如
- 原因从图中看比较明显，模式串中第六个元素失配，所以主串第一个到第五个元素是和模式串中的元素匹配的， 而模式串中的第一个，第二个元素 分别于其第四个，第五个元素一致，即t[1]=t[4],t[2]=t[5],所以模式串中的第一个，第二个元素于主串中的第四个 第五个元素一致 即t[1]=s[4] t[2]=s[5],下次开始从模式串中的t[3]开始，下次模式串匹配的起始位置就为3。
- 通过这样的方法，假设模式串中每个元素都可能失配，类似一个像前边提到的例子一样，赋给每个失配的元素下次起始匹配的位置，即每个模式串中失配时，都有一个对应的数字来表示下次起始匹配得位置，我们将这些数字通过一个数组来表示，也把这样的数组称为next数组。
-
参考教材得到如下规律：
假设主串为ss…s 模式串为pp…p 主串中第i个字符与模式串中的第j个字符失配时，主串中的第i个字符应该与模式串中的那个字符比较 ？
假设与模式串中的第k个字符继续比较得到此关系式（重点从模式串中k位置继续比较）得到一下关系：pp…p =ss…s
还可以得：
pp…p=ss…s由上述两个式子得：
pp…p= pp…p公式可能会看的比较迷惑，公式的大致意思如下图：
- 在本例当中假设继续比较的位置为3（3为公式中的k），那么相等的就是两个红圈圈的元素 通过上述的公式理解 ,即可得t[1]=t[4],t[2]=t[5], 这样下次模式串中下次匹配的位置 就为3 。
- 通过公式的推导可知，next数组的求解的过程时和主串中的元素无关的。
- next 数组的含义
由图可知，第二次从模式串起始位置右滑动到模式串的第三个元素，即模式串中失配的t[6]位置对应的next数组next[6]=3, 意思为如果在模式串t[6]的位置失配时，下次从模式串的起始位置向右滑动的距离为3.
同理，假设模式串中每个元素都有可能出现失配的情况，对每一个元素对应的next数组赋给的值就是失配后从模式串起始位置向右滑动的距离。
- next数组的求解
那么给定模式串的话是怎么求得next数组中与其一一对应的值？通过观察是否有模式串是否存在一定的规律来直接求得next数组的值呢 ？在求next数组之前先了解一下模式串元素的特点 ——对称性（并不是数学中完全意义的对称）
如下图：
以刚刚的的情况为例，在模式串中失配的位置为模式串中的第六个元素，类似的可以看成前个五元素有对称性 前五个元素中可以看到红圈位置的元素是相等的（以f为中心的前两个和后两个从左到右的元素对称相等，这一点和数学上的对称不是一个意思，类似理解即可）把f之前的两个元素称为前缀，之后的元素称为后缀，通过观察得，前缀与后缀的元素相等的个数为2，而next数组的值就是前缀后缀元素相等的个数+1。
在对称的时候会出现重叠 情况如下图：
而重叠的情况下也是会算入到前缀后缀相等的计算过程中
还有特殊的情况，如下图：
这种情况类似称为最大对称性，以t[5]为例，前缀和后缀相等元素的值为4 所以b元素对应得next数组得值为5
以下图为例求出所有模式串中所有next数组得值：
- KMP的全过程
了解了next的含义以及求解过程 以主串s=’‘acabaabaabcacaabc’'模式串t="abaabcac"为例解释KMP的全过程 ：
代码如下：
#include<stdio.h>
#include<stdlib.h>
#include<string.h>
typedef char * String ;
void getnext(String t ,int *next)
{
int i=1;
int 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 getindex(String s ,String t,int pos){
int i=pos;
int j=1;
int next[255];
getnext(t,next);
while(i<strlen(s)&&j<strlen(t)){
if(j==0||s[i]==t[j]){
i++;
j++;
}else{
j=next[j];
}
}
if(j>=strlen(t)){
return i-strlen(t)+1;
}else {
return 0;
}
}
int main()
{
String s=" acabaabaabcacaabc";
String t=" abaabcac";
int i =getindex(s,t,1);
printf("%d",i);
return 0;
}
执行结果如下
- 优化KMP
以上已经大致介绍了KMP算法，但是还存在一些不足之处，有待改进， 我们考虑这样的情况 如下图所示
在这种情况下依然出现了多余比较的情况，对此我们可以进行修改：在next数组中存在下一个元素和之前的前缀元素相等的话就改为前缀元素next数组的值 使下一个元素next数组的值和前缀next数组的值相同， 改进后情况如下：
代码如下
void getnext(String t ,int *next)
{
int i=1;
int 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]=j;
}else{
next[i]=next[j];
}
}
else{
j=next[j];
}
}
}
总结： 以上是自己对模式匹配算法的理解，应该还是有很多理解不对或疏漏的地方，希望能帮忙指正，我会及时修改