高效面试之字符串匹配(KMP,AC算法)
来源:互联网 发布:如何修改淘宝账号名称 编辑:程序博客网 时间:2024/05/16 17:48
文本Tn 模式Pm, P在T中出现的位置为偏移
字符串匹配问题描述为:找出所有偏移s(0=<s<=n-m),使得P为Ts+m的后缀。
分两步完成,预处理+匹配
算法
预处理时间
匹配时间
朴素算法
o
O((n-m+1)m)
RK算法
O(m)O((n-m+1)m)
有限状态机
O(m|∑|)
O(n)
KMP
O(m)
O(n)
1.朴素字符串模式
for s=0 to n-m
ifP[1...m]==T[s+1...s+m]
print "找到偏移S"
2.KMP
难点:求带匹配的串的前缀next数组
http://blog.csdn.net/yearn520/article/details/6729426
http://www.cnblogs.com/c-cloud/p/3224788.html
http://blog.csdn.net/youxin2012/article/details/17083261
特点:
它可以在匹配过程中失配的情况下,有效地多往后面跳几个字符,避免不必要的回溯,加快匹配速度。
1.next数组
next数组是用来说明待匹配的串的对称性,最大公共前后缀
a b c d a b d
next: 0 0 0 0 1 2 0
字串a的最大公共前后缀为0,a b c d a 最大公共前后缀为ab,长度为2
优化版:
- void get_next(char str[], int n,int next[])
- {
- int i = 0;
- next[0] = 0;
- for(i = 1; i < n; i++)
- {
- if(str[i] == str[next[i-1]])
- next[i] = next[i-1] + 1;
- else
- next[i] = 0;
- }
- }
解释:
next[4]表示前长度为4的字符串的最大公共前后缀.
此时如果str[next[4]]与str[5]相等,就可知道next[5]=next[4]+1。a b c d a b
看一下模式匹配这个详细的流程,其中模式串为yasherhs。对于i=0,1。Trie中没有对应的路径,故不做任何操作;i=2,3,4 时,指针p走到左下节点e。因为节点e的count信息为1,所以cnt+1,并且讲节点e的count值设置为-1,表示改单词已经出现过了,防止重复 计数,最后temp指向e节点的失败指针所指向的节点继续查找,以此类推,最后temp指向root,退出while循环,这个过程中count增加了 2。表示找到了2个单词she和he。当i=5时,程序进入第5行,p指向其失败指针的节点,也就是右边那个e节点,随后在第6行指向r节点,r节点的 count值为1,从而count+1,循环直到temp指向root为止。最后i=6,7时,找不到任何匹配,匹配过程结束。
next[4]=1 就是b
当不匹配时,将搜索词向后移动(已匹配的字符数 - 对应的next值),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。
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,也就是前面2个字节是不用再去匹配的。下一次匹配:匹配过的AB就不用再匹配了
kmp算法:
src_len源串
dst_len 待匹配的串
- while( (i<src_len)&&(j<dst_len) )
- {
- if(src_string[i] == dst_string[j])
- {
- i++;
- j++;
- }
- else
- {
- if(j == 0)
- {
- i++; //源字符串下表前移动
- }
- else
- {
- m = j - dst_next[j-1];//需回溯的位数
- j = j - m;//设置下一次的起始坐标
- }
- }
- }
3.AC
多模匹配算法
看下面这个例子:给定5个单词:say she shr he her,然后给定一个字符串yasherhs。问一共有多少单词在这个字符串中出现过。
三步:构建trik树,给trik树添加失败路径,建立AC自动机,根据AC自动机搜索文本
1.构建trik树
1 const int kind = 26;
2 struct node{
3 node *fail; //失败指针
4 node *next[kind]; //Tire每个节点的个子节点(最多个字母)
5 int count; //是否为该单词的最后一个节点
6 node(){ //构造函数初始化
7 fail=NULL;
8 count=0;
9 memset(next,NULL,sizeof(next));
10 }
11 }*q[500001]; //队列,方便用于bfs构造失败指针
12 char keyword[51]; //输入的单词
13 char str[1000001]; //模式串
14 int head,tail; //队列的头尾指针
1 void buildingTree(char *str,node *root){
2 node *p=root;
3 int i=0,index;
4 while(str[i]){
5 index=str[i]-'a';
6 if(p->next[index]==NULL) p->next[index]=new node();
7 p=p->next[index];
8 i++;
9 }
10 p->count++; //在单词的最后一个节点count+1,代表一个单词
11 }
2 node *p=root;
3 int i=0,index;
4 while(str[i]){
5 index=str[i]-'a';
6 if(p->next[index]==NULL) p->next[index]=new node();
7 p=p->next[index];
8 i++;
9 }
10 p->count++; //在单词的最后一个节点count+1,代表一个单词
11 }
2.添加失败路径
失败路径,也就是说匹配失败了,从失败的路径返回,再重新开始。如果找到和其前缀相同的地方开始,失败路径指向root。
构造失败指针的过程概括起来就一句话:设这个节点上的字母为C,沿着他父亲的失败指针走,直到走到一个节点,他的儿子中也有字母为C的节点。然后把当前节点的失败指针指向那个字母也为C的儿子。如果一直走到了root都没找到,那就把失败指针指向root。
使用广度优先搜索BFS,层次遍历节点来处理,每一个节点的失败路径
1 void buildingFailPath(node *root){
2 int i;
3 root->fail=NULL;
4 q[head++]=root;
5 while(head!=tail){
6 node *temp=q[tail++];
7 node *p=NULL;
8 for(i=0;i<</span>26;i++){
9 if(temp->next[i]!=NULL){
10 if(temp==root) temp->next[i]->fail=root;
11 else{
12 p=temp->fail;
13 while(p!=NULL){
14 if(p->next[i]!=NULL){
15 temp->next[i]->fail=p->next[i];
16 break;
17 }
18 p=p->fail;
19 }
20 if(p==NULL) temp->next[i]->fail=root;
21 }
22 q[head++]=temp->next[i];
23 }
24 }
25 }
26 }
2 int i;
3 root->fail=NULL;
4 q[head++]=root;
5 while(head!=tail){
6 node *temp=q[tail++];
7 node *p=NULL;
8 for(i=0;i<</span>26;i++){
9 if(temp->next[i]!=NULL){
10 if(temp==root) temp->next[i]->fail=root;
11 else{
12 p=temp->fail;
13 while(p!=NULL){
14 if(p->next[i]!=NULL){
15 temp->next[i]->fail=p->next[i];
16 break;
17 }
18 p=p->fail;
19 }
20 if(p==NULL) temp->next[i]->fail=root;
21 }
22 q[head++]=temp->next[i];
23 }
24 }
25 }
26 }
3.查找
匹配过程分两种情况:
(1)当前字符匹配, 表示从当前节点沿着树边有一条路径可以到达目标字符,此时只需沿该路径走向下一个节点继续匹配即可,目标字符串指针移向下个字符继续匹配;
(2)当前字符 不匹配,则去当前节点失败指针所指向的字符继续匹配,匹配过程随着指针指向root结束。重复这2个过程中的任意一个,直到模式串走到结尾为止。
1 int searchAC(node *root){
2 int i=0,cnt=0,index,len=strlen(str);
3 node *p=root;
4 while(str[i]){
5 index=str[i]-'a';
6 while(p->next[index]==NULL && p!=root) p=p->fail;
7 p=p->next[index];
8 p=(p==NULL)?root:p;
9 node *temp=p;
10 while(temp!=root && temp->count!=-1){
11 cnt+=temp->count;
12 temp->count=-1;
13 temp=temp->fail;
14 }
15 i++;
16 }
17 return cnt;
18 }
2 int i=0,cnt=0,index,len=strlen(str);
3 node *p=root;
4 while(str[i]){
5 index=str[i]-'a';
6 while(p->next[index]==NULL && p!=root) p=p->fail;
7 p=p->next[index];
8 p=(p==NULL)?root:p;
9 node *temp=p;
10 while(temp!=root && temp->count!=-1){
11 cnt+=temp->count;
12 temp->count=-1;
13 temp=temp->fail;
14 }
15 i++;
16 }
17 return cnt;
18 }
AC算法的时间复杂度是O(n),与patterns的个数及长度都没有关系。因为Text中的每个字符都必须输入自动机,所以最好最坏情况下都是O(n),加上预处理时间,那就是O(M+n),M是patterns长度总和。
0 0
- 高效面试之字符串匹配(KMP,AC算法)
- 字符串匹配高效算法 KMP-c++代码
- 字符串匹配之KMP算法
- 字符串匹配算法之KMP
- 字符串匹配之KMP算法
- 字符串匹配之KMP算法
- 字符串匹配之KMP算法
- 字符串匹配之KMP算法
- 字符串匹配之KMP算法
- 字符串匹配 之 KMP算法
- 字符串匹配之KMP算法
- 字符串匹配之KMP算法
- 字符串匹配之KMP算法
- 字符串匹配之kmp算法
- 字符串匹配之KMP算法
- 字符串匹配之KMP 算法
- 字符串匹配之KMP算法
- 字符串匹配之KMP算法
- 机器学习算法基础概念学习总结
- 数据文件的添加,修改,删除 实例
- 高效面试之动态规划DP
- 配置文件的读,添加,修改,删除
- 安装多jdk后,java -version 与 javac -version 版本不一致
- 高效面试之字符串匹配(KMP,AC算法)
- burberry outlet BuLb AD5f 5ePcS
- 高效面试之贪心算法
- poj 1611 __ The Suspects(第一天)
- 高效面试之计算机网络常考点
- [Leetcode] Climbing Stairs
- 高效面试之操作系统常考题
- DOS拒绝式服务攻击原理浅析
- 怎么使用PHPMailer实现邮件的发送??