字符串匹配
舉例來說,有一個字符串”BBC ABCDAB ABCDABCDABDE”,我想知道,裏面是否包含另一個字符串”ABCDABD”?
KMP算法
注意:“*”號之間爲當前比較的字符。
1. 首先,字符串”BBC ABCDAB ABCDABCDABDE”的第一個字符與搜索詞”ABCDABD”的第一個字符,進行比較。因爲B與A不匹配,所以搜索詞後移一位。
*B*BC ABCDAB ABCDABCDABDE
*A*BCDABD
因爲B與A不匹配,搜索詞再往後移。
B*B*C ABCDAB ABCDABCDABDE *A*BCDABD
就這樣,直到字符串有一個字符,與搜索詞的第一個字符相同爲止。
BBC *A*BCDAB ABCDABCDABDE *A*BCDABD
接着比較字符串和搜索詞的下一個字符,還是相同。
BBC A*B*CDAB ABCDABCDABDE A*B*CDABD
直到字符串有一個字符,與搜索詞對應的字符不相同爲止。
BBC ABCDAB * *ABCDABCDABDE ABCDAB*D*
這時,最自然的反應是,將搜索詞整個後移一位,再從頭逐個比較。這樣做雖然可行,但是效率很差,因爲你要把”搜索位置”移到已經比較過的位置,重比一遍。
BBC A*B*CDAB ABCDABCDABDE *A*BCDABD
一個基本事實是,當空格與D不匹配時,你其實知道前面六個字符是”ABCDAB”。KMP算法的想法是,設法利用這個已知信息,不要把”搜索位置”移回已經比較過的位置,繼續把它向後移,這樣就提高了效率。
BBC ABCDAB * *ABCDABCDABDE ABCDAB*D*
怎麼做到這一點呢?可以針對搜索詞,算出一張《部分匹配表》(Partial Match Table)。這張表是如何產生的,後面再介紹,這裏只要會用就可以了。
搜索詞 A B C D A B D 部分匹配值 0 0 0 0 1 2 0
已知空格與D不匹配時,前面六個字符”ABCDAB”是匹配的。查表可知,最後一個匹配字符B對應的”部分匹配值”爲2,因此按照下面的公式算出向後移動的位數:
移動位數 = 已匹配的字符數 - 對應的部分匹配值
因爲 6 - 2 等於4,所以將搜索詞向後移動4位BBC ABCDAB * *ABCDABCDABDE ABCDAB*D*
因爲空格與C不匹配,搜索詞還要繼續往後移。這時,已匹配的字符數爲2(”AB”),對應的”部分匹配值”爲0。所以,移動位數 = 2 - 0,結果爲 2,於是將搜索詞向後移2位。
BBC ABCDAB * *ABCDABCDABDE AB*C*DABD
因爲空格與A不匹配,繼續後移一位
BBC ABCDAB * *ABCDABCDABDE *A*BCDABD
逐位比較,直到發現C與D不匹配。於是,移動位數 = 6 - 2,繼續將搜索詞向後移動4位。
BBC ABCDAB ABCDAB*C*DABDE ABCDAB*D*
逐位比較,直到搜索詞的最後一位,發現完全匹配,於是搜索完成。如果還要繼續搜索(即找出全部匹配),移動位數 = 7 - 0,再將搜索詞向後移動7位,這裏就不再重複了。
BBC ABCDAB ABCDABCDAB*D*E ABCDAB*D*
下面介紹《部分匹配表》是如何產生的。
首先,要了解兩個概念:”前綴”和”後綴”。 “前綴”指除了最後一個字符以外,一個字符串的全部頭部組合;”後綴”指除了第一個字符以外,一個字符串的全部尾部組合。字符串: bread 前綴: b, br, bre, brea 後綴: read, ead, ad, d
“部分匹配值”就是”前綴”和”後綴”的最長的共有元素的長度。以”ABCDABD”爲例,
- “A”的前綴和後綴都爲空集,共有元素的長度爲0;
- “AB”的前綴爲[A],後綴爲[B],共有元素的長度爲0;
- “ABC”的前綴爲[A, AB],後綴爲[BC, C],共有元素的長度0;
- “ABCD”的前綴爲[A, AB, ABC],後綴爲[BCD, CD, D],共有元素的長度爲0;
- “ABCDA”的前綴爲[A, AB, ABC, ABCD],後綴爲[BCDA, CDA, DA, A],共有元素爲”A”,長度爲1;
- “ABCDAB”的前綴爲[A, AB, ABC, ABCD, ABCDA],後綴爲[BCDAB, CDAB, DAB, AB, B],共有元素爲”AB”,長度爲2;
- “ABCDABD”的前綴爲[A, AB, ABC, ABCD, ABCDA, ABCDAB],後綴爲[BCDABD, CDABD, DABD, ABD, BD, D],共有元素的長度爲0。搜索詞 A B C D A B D 部分匹配值 0 0 0 0 1 2 0
“部分匹配”的實質是,有時候,字符串頭部和尾部會有重複。比如,”ABCDAB”之中有兩個”AB”,那麼它的”部分匹配值”就是2(”AB”的長度)。搜索詞移動的時候,第一個”AB”向後移動4位(字符串長度-部分匹配值),就可以來到第二個”AB”的位置。
BBC ABCDAB ABCDAB*C*DABDE ABCDAB*D*
算法時間複雜度爲O(m+n)(其中m爲字符段長度,n爲匹配模式的長度)。