KMP
2016-06-26 16:05
211 查看
1.
首先,字符串"BBC ABCDAB ABCDABCDABDE"的第一个字符与搜索词"ABCDABD"的第一个字符,进行比较。因为B与A不匹配,所以搜索词后移一位。
2.
因为B与A不匹配,搜索词再往后移。
3.
就这样,直到字符串有一个字符,与搜索词的第一个字符相同为止。
4.
接着比较字符串和搜索词的下一个字符,还是相同。
5.
直到字符串有一个字符,与搜索词对应的字符不相同为止。
6.
这时,最自然的反应是,将搜索词整个后移一位,再从头逐个比较。这样做虽然可行,但是效率很差,因为你要把"搜索位置"移到已经比较过的位置,重比一遍。
7.
一个基本事实是,当空格与D不匹配时,你其实知道前面六个字符是"ABCDAB"。KMP算法的想法是,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。
8.
怎么做到这一点呢?可以针对搜索词,算出一张《部分匹配表》(Partial Match Table)。这张表是如何产生的,后面再介绍,这里只要会用就可以了。
9.
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,因此按照下面的公式算出向后移动的位数:
移动位数 = 已匹配的字符数 - 对应的部分匹配值
因为 6 - 2 等于4,所以将搜索词向后移动4位。
10.
因为空格与C不匹配,搜索词还要继续往后移。这时,已匹配的字符数为2("AB"),对应的"部分匹配值"为0。所以,移动位数 = 2 - 0,结果为 2,于是将搜索词向后移2位。
11.
因为空格与A不匹配,继续后移一位。
12.
逐位比较,直到发现C与D不匹配。于是,移动位数 = 6 - 2,继续将搜索词向后移动4位。
13.
逐位比较,直到搜索词的最后一位,发现完全匹配,于是搜索完成。如果还要继续搜索(即找出全部匹配),移动位数 = 7 - 0,再将搜索词向后移动7位,这里就不再重复了。
14.
下面介绍《部分匹配表》是如何产生的。
首先,要了解两个概念:"前缀"和"后缀"。 "前缀"指除了最后一个字符以外,一个字符串的全部头部组合;"后缀"指除了第一个字符以外,一个字符串的全部尾部组合。
15.
"部分匹配值"就是"前缀"和"后缀"的最长的共有元素的长度。以"ABCDABD"为例,
- "A"的前缀和后缀都为空集,共有元素的长度为0;
- "AB"的前缀为[A],后缀为[B],共有元素的长度为0;
- "ABC"的前缀为[A, AB],后缀为[BC, C],共有元素的长度0;
- "ABCD"的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共有元素的长度为0;
- "ABCDA"的前缀为[A, AB, ABC, ABCD],后缀为[BCDA, CDA, DA, A],共有元素为"A",长度为1;
- "ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA],后缀为[BCDAB, CDAB, DAB, AB, B],共有元素为"AB",长度为2;
- "ABCDABD"的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB],后缀为[BCDABD, CDABD, DABD, ABD, BD, D],共有元素的长度为0。
16.
"部分匹配"的实质是,有时候,字符串头部和尾部会有重复。比如,"ABCDAB"之中有两个"AB",那么它的"部分匹配值"就是2("AB"的长度)。搜索词移动的时候,第一个"AB"向后移动4位(字符串长度-部分匹配值),就可以来到第二个"AB"的位置。
#include<stdio.h>
#include<string.h>
#include<iostream>
using namespace std;
int Next[1000];
void get_next(char *T)
{
//printf("%s\n", T);
int j = 0;//当前匹配的长度
Next[j] = 0;
for (int i = 1; i < strlen(T); i++)
{
/*在于T[j]已经和T[i]失配了,而且T[i - j] ··· T[i - 1]又与T[0] ···T[j - 1]相同,看来T[0]···T[j - 1]
这么长的子串是用不了了,那么我要找个同样也是T[0]打头、T[j - 1]结尾的子串即T[0]···T[k - 1](k == Next[j - 1]),看看它的下一项T[k]是否能和T[i]匹配*/
while (j>0 && T[i] != T[j])
{
j = Next[j];
}
if (T[j] == T[i])
{
j++;
}
Next[i] = j;
}
}
void KMP(char *S, char *T){
int conut = 0;//计数
get_next(T);
for (int i = 0; i < strlen(T); i++)
cout << Next[i];
cout << endl;
int len_S = strlen(S);
int len_T = strlen(T);
int i = 0, j = 0;
for (int i = 0; i < len_S; i++)
{
while (j>0 && S[i] != T[j])
{
j = Next[j-1];
// cout << j << ends;
}
//cout << endl;
if (S[i] == T[j])
{
j++;
}
//cout << j << " j" << endl;
if (j == len_T)
{
cout << "第"<<++conut<<" 次匹配 :" << i - j + 1 << endl;
j = Next[j];
}
}
}
int main()
{
char S[] = "BBC ABCDAB ABCDABCDABDEABCDABDABCDABDABCDABDABCDABD";
char T[] = "ABCDABD";
printf("%s\n%s\n", S, T);
KMP(S,T);
int tt;
cin >> tt;
return 0;
}
首先,字符串"BBC ABCDAB ABCDABCDABDE"的第一个字符与搜索词"ABCDABD"的第一个字符,进行比较。因为B与A不匹配,所以搜索词后移一位。
2.
因为B与A不匹配,搜索词再往后移。
3.
就这样,直到字符串有一个字符,与搜索词的第一个字符相同为止。
4.
接着比较字符串和搜索词的下一个字符,还是相同。
5.
直到字符串有一个字符,与搜索词对应的字符不相同为止。
6.
这时,最自然的反应是,将搜索词整个后移一位,再从头逐个比较。这样做虽然可行,但是效率很差,因为你要把"搜索位置"移到已经比较过的位置,重比一遍。
7.
一个基本事实是,当空格与D不匹配时,你其实知道前面六个字符是"ABCDAB"。KMP算法的想法是,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。
8.
怎么做到这一点呢?可以针对搜索词,算出一张《部分匹配表》(Partial Match Table)。这张表是如何产生的,后面再介绍,这里只要会用就可以了。
9.
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,因此按照下面的公式算出向后移动的位数:
移动位数 = 已匹配的字符数 - 对应的部分匹配值
因为 6 - 2 等于4,所以将搜索词向后移动4位。
10.
因为空格与C不匹配,搜索词还要继续往后移。这时,已匹配的字符数为2("AB"),对应的"部分匹配值"为0。所以,移动位数 = 2 - 0,结果为 2,于是将搜索词向后移2位。
11.
因为空格与A不匹配,继续后移一位。
12.
逐位比较,直到发现C与D不匹配。于是,移动位数 = 6 - 2,继续将搜索词向后移动4位。
13.
逐位比较,直到搜索词的最后一位,发现完全匹配,于是搜索完成。如果还要继续搜索(即找出全部匹配),移动位数 = 7 - 0,再将搜索词向后移动7位,这里就不再重复了。
14.
下面介绍《部分匹配表》是如何产生的。
首先,要了解两个概念:"前缀"和"后缀"。 "前缀"指除了最后一个字符以外,一个字符串的全部头部组合;"后缀"指除了第一个字符以外,一个字符串的全部尾部组合。
15.
"部分匹配值"就是"前缀"和"后缀"的最长的共有元素的长度。以"ABCDABD"为例,
- "A"的前缀和后缀都为空集,共有元素的长度为0;
- "AB"的前缀为[A],后缀为[B],共有元素的长度为0;
- "ABC"的前缀为[A, AB],后缀为[BC, C],共有元素的长度0;
- "ABCD"的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共有元素的长度为0;
- "ABCDA"的前缀为[A, AB, ABC, ABCD],后缀为[BCDA, CDA, DA, A],共有元素为"A",长度为1;
- "ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA],后缀为[BCDAB, CDAB, DAB, AB, B],共有元素为"AB",长度为2;
- "ABCDABD"的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB],后缀为[BCDABD, CDABD, DABD, ABD, BD, D],共有元素的长度为0。
16.
"部分匹配"的实质是,有时候,字符串头部和尾部会有重复。比如,"ABCDAB"之中有两个"AB",那么它的"部分匹配值"就是2("AB"的长度)。搜索词移动的时候,第一个"AB"向后移动4位(字符串长度-部分匹配值),就可以来到第二个"AB"的位置。
#include<stdio.h>
#include<string.h>
#include<iostream>
using namespace std;
int Next[1000];
void get_next(char *T)
{
//printf("%s\n", T);
int j = 0;//当前匹配的长度
Next[j] = 0;
for (int i = 1; i < strlen(T); i++)
{
/*在于T[j]已经和T[i]失配了,而且T[i - j] ··· T[i - 1]又与T[0] ···T[j - 1]相同,看来T[0]···T[j - 1]
这么长的子串是用不了了,那么我要找个同样也是T[0]打头、T[j - 1]结尾的子串即T[0]···T[k - 1](k == Next[j - 1]),看看它的下一项T[k]是否能和T[i]匹配*/
while (j>0 && T[i] != T[j])
{
j = Next[j];
}
if (T[j] == T[i])
{
j++;
}
Next[i] = j;
}
}
void KMP(char *S, char *T){
int conut = 0;//计数
get_next(T);
for (int i = 0; i < strlen(T); i++)
cout << Next[i];
cout << endl;
int len_S = strlen(S);
int len_T = strlen(T);
int i = 0, j = 0;
for (int i = 0; i < len_S; i++)
{
while (j>0 && S[i] != T[j])
{
j = Next[j-1];
// cout << j << ends;
}
//cout << endl;
if (S[i] == T[j])
{
j++;
}
//cout << j << " j" << endl;
if (j == len_T)
{
cout << "第"<<++conut<<" 次匹配 :" << i - j + 1 << endl;
j = Next[j];
}
}
}
int main()
{
char S[] = "BBC ABCDAB ABCDABCDABDEABCDABDABCDABDABCDABDABCDABD";
char T[] = "ABCDABD";
printf("%s\n%s\n", S, T);
KMP(S,T);
int tt;
cin >> tt;
return 0;
}
相关文章推荐
- 1A. Theatre Square
- C++拷贝构造函数详解
- ajax练习习题三搜索
- GDB技巧整理
- 1A. Theatre Square
- 二叉搜索树(Binary Search Tree)
- 玩转京东暨618狂欢节回顾
- git 新建服务器的版本以及项目的用户
- Chapter 2 命令行基础(1)
- 派生类的构造函数
- GIT——乱乱的理解
- 【初探】排序算法
- poj3352 Road Construction
- GCC相关的环境变量
- Wildcard Matching
- 亦大自学51cto--网络工程师成长之路前沿
- RaspberryPi 3B 之初体验笔记(续一)
- 从硬盘设计思想到RAID改良之道
- Activiti(四)流程变量
- 从硬盘设计思想到RAID改良之道