标签：
如何在字符串数据中，监测和提取以字符串形式给出的某一局部特性
这类操作都属于串模式匹配（string pattern matching）范畴，简称串匹配
一般地，即：
对基于同一字符表的任何文本串T（|T| = n）和模式串P（|P| = m）：
判定T中是否存在某一子串与P相同
若存在（匹配），则报告该子串在T中的起始位置
串的长度n和m本身通常都很大，但相对而言n更大，即满足2 << m << n
比如，若：
T = "Now is the time for all good people to come"
P = "people"
则匹配的位置应该是29
最直接最直觉的方法
构思：
bool Match(char* P, char *T) //暴力串匹配算法（版本1）
{
int n = strlen(T); //文本串长度
int m = strlen(P); //模式串长度
int i = 0, j = 0;
while (j < m && i < n) { //自左向右逐个比对字符
if (T[i] == P[j]) { //若匹配
++i; //则转到下一字符
++j;
} else { //文本串回退，模式串复位
i -= (j-1);
j = 0;
}
}
if (i-j < n-m+1) { //i - j < n - m + 1时匹配；否则失配
return true;
}
return false;
}bool Match(char* P, char *T) //暴力串匹配算法（版本2）
{
int n = strlen(T); //文本串长度
int m = strlen(P); //模式串长度
int i, j;
for (i=0; i<n-m+1; ++i) { //文本串从第i个字符起，与模式串中对应的字符逐个比对
for (j=0; j<m; ++j) {
if (T[i+j] != P[j]) { //若失配，模式串整体右移一个字符，再做一轮比对
break;
}
}
if (j == m) { //找到匹配子串
break;
}
}
if (i < n-m+1) { //i<n-m+1时匹配；否则失配
return true;
}
return false;
}
最好情况： 只经过一轮比对，即确定匹配
#比对 = m = O(m)
最坏情况： 每轮都比对至P的末字符，且反复如此
每轮循环：#比对 = m‐1(成功) + 1(失败) = m
循环次数 = n ‐ m + 1
一般 m ? n，故总体地，#比对 = m × (n‐m+1) = O(n×m)
暴力算法应用于规模大的应用环境，很有必要改进
为此，不妨从分析以上最坏情况入手
稍加观察不难发现，问题在于这里存在大量的局部匹配：
每一轮的m次对比中，仅最后一次可能失配，文本串、模式串的字符指针都要回退，并从头开始下一轮尝试
实际上，这类重复的字符比对操作没有必要
既然这些字符在前一轮迭代中已经接受过比对并且成功，我们也就掌握了它们的所有信息
那么，如何利用这些信息，提高匹配算法的效率呢？
经过前一轮对比，我们已经清楚地知道，子串 T[i - j, i] 完全由 ‘0‘ 组成
记住这一性质我们便可预测出：
在回退之后紧接着的下一轮对比中，前 j - 1 次比对必然都会成功
因此，可直接 ”令 i 保持不变、j = j - 1 “ ，然后继续比对
如此，下一轮只需 1 次比对，共减少 j - i 次！
上述 ”令 i 保持不变、j = j - 1 “ 的含义，可理解为 “令 P 相对于 T 右移一个单元，然后从前一失配位置继续比对”：
实际上这一技巧可推而广之：
利用以往的成功比对所提供的信息（记忆），不仅可避免文本串字符指针的回退，而且可使模式串尽可能大跨度地右移（经验）
再来考查一个更具一般性的实例
本轮对比进行到发现 T[i] = ‘E‘ ≠ ‘O‘ - P[4] 失配后，在保持 i 不变的同时，应将模式串 P 右移几个单元呢？
有必要逐个单元地右移吗？
不难看出，在这一情况下移动一个或两个单元都是徒劳的
事实上，根据此前的比对结果，此时必然有
T[i - 4, i) = P[0,4) = "REGR"
若在此局部能够实现匹配，则至少紧邻于 T[i] 左侧的若干字符均得到匹配
比如，当 P[0] 与 T[i - 1] 对齐时，即属于这种情况
进一步地，若注意到 i - 1 是能够如此匹配的最左侧位置，即可直接将 P 右移 4 - 1 = 3 个单元（等效于 i 保持不变，同时令 j = 1），然后继续比对
一般地，假设前一轮比对终止于 T[i] ≠ P[j]
按以上构思，指针 i 不必回退，而是将 T[i] 与 P[t] 对齐并开始下一轮比对
那么，t 准确地应该取作多少呢？
经过前一轮的比对，已经确定匹配的范围应为：
P[0, j) = T[i - j, i)
于是，若模式串 P 经适当右移之后，能够与 T 的某一（包含 T[i] 在内的）子串完全匹配，则一项必要条件就是：
P[0, t) = T[i - t, i) = P[j - t, j)
亦即，在 P[0, j) 中长度为 t 的真前缀，应与长度为 t 的真后缀完全匹配，故 t 必来自集合：
N(P, j) = { 0 ≤ t < j | P[0, t) = P[j - t, j) }
一般地，该集合可能包含多个这样的 t
但需要特别注意的是，其中具体由哪些 t 值构成，仅取决于模式串 P 以及前一轮对比的首个失配位置 P[j]，而与文本串 T 无关！
若下一轮对比将从 T[i] 与 P[t] 的对比开始，这等效于将 P 右移 j - t 个单元，位移量与 t 成反比
因此，为保证 P 与 T 的对齐位置（指针 i ）绝不倒退，同时又不致遗漏任何可能的匹配，应在集合 N(P, j) 中挑选最大的 t
也就是说，当有多个值得试探的右移方案时，应该保守地选择其中移动距离最短者
于是，若令
next[j] = max( N(p, j) )
则一旦发现 P[j] 与 T[i] 失配，即可转而将 P[ next[j] ] 与 T[i] 彼此对准，并从这一位置开始继续下一轮比对
既然集合 N(P , j) 仅取决于模式串 P 以及失配位置 j，而与文本串无关，作为其中的最大元素，next[j] 也必然具有这一性质
于是，对于任一模式串 P ，不妨通过预处理提前计算出所有位置 j 所对应的 next[j] 值，并整理为表格以便以后反复查询
亦即，将“记忆力”转化为“预知力”
Knuth 和 Pratt 师徒，与 Morris 几乎同时发明了这一算法
他们稍后联合署名发表该算法，并以其姓氏首字母命名
这里，假定可通过 Build_Next() 构造出模式串 P 的 next 表
对照“暴力串匹配算法（版本1）”，只是在 else 分支对失配情况的处理手法有所不同，这也就是 KMP 算法的精髓所在
bool Match(char* P, char *T) //KMP主算法（待改进版）
{
Build_Next(P);
int n = strlen(T); //文本串长度
int m = strlen(P); //模式串长度
int i = 0, j = 0;
while (j < m && i < n) { //自左向右逐个比对字符
if (j < 0 || T[i] == P[j]) { //若匹配，或P已移出最左侧（两个判断的次序不可交换）
++i; //则转到下一字符
++j;
} else {
j = next[j]; //模式串右移（注意：文本串不用回退）
}
}
if (i-j < n-m+1) { //i - j < n - m + 1时匹配；否则失配
return true;
}
return false;
}
不难看出，只要 j > 0 则必有 0 ∈ N(P, j)
此时 N(P, j) 非空，从而可以保证“在其中取最大值”这一操作的确可行
但反过来，若 j = 0，则即便集合 N(P, j) 可以定义，也必是空集
此种情况下，又如何定义 next[j = 0] 呢？
巧妙的使用哨兵，可以
-简化代码
-统一理解
void Build_Next(char* P) //构造模式串 P 的 next 表
{
int m = strlen(P);
int j = 0; //“主”串指针
int t = next[0] = -1; //模式串指针
while (j < m-1) {
if (t < 0 || P[j] == P[t]) { //匹配
++j;
++t;
next[j] = t; //此句可改进. . .
} else { //失配
t = next[t];
}
}
}
实际上按照以上分析，这一构造过程完全等效于模式串的自我匹配，因此两个算法在形式上的近似亦不足为怪
为此，请留意 KMP 算法中用作字符指针的变量 i 和 j
若令 k = 2i - j 并考查 k 在 KMP 算法过程中的变化趋势，则不难发现：
while 循环每迭代一轮，k 都会严格递增
实际上，对应于 while 循环内部的 if-else 分支，无非两种情况：
若转入 if 分支，则 i 和 j 同时加一，于是 k = 2i - j 必将增加
反之若转入 else 分支，则尽管 i 保持不变，但在赋值 j = next[j] 之后 j 必然减小，于是 k = 2i - j 也必然会增加
纵观算法的整个过程：
启动时有 i = j = 0，即 k = 0 ，算法结束时 i ≤ n 且 j ≥ 0，故有 k ≤ 2n
在此期间尽管整数 k 从 0 开始持续地严格递增，但累计增幅不超过 2n，故 while 循环至多执行 2n 轮
另外，while 循环体内部不含任何循环或调用，故只需 O(1) 时间
因此，若不计构造 next 表所需的时间，KMP 算法本身的运行时间不超过 O(n)
既然 next 表构造算法的流程与 KMP 算法并无实质区别，故按照上述分析可知，next 表的构造仅需 O(m) 时间
综上可知，KMP 算法的总体运行时间为 O(n + m)
尽管以上 KMP 算法已可保证线性的运行时间，但在某些情况下仍有进一步改进的余地
考查模式串 P = “000010”
在 KMP 算法过程中，假设前一轮对比因 T[i] = ‘1‘ ≠ ‘0‘ = P[3] 失配而中断
于是按照 next 表，接下来 KMP 算法将依次将 P[2]、P[1] 和 P[0] 与 T[i] 对准并做比对
这三次比对都报告“失配”
那么，这三次比对的失败结果属于偶然吗？
进一步地，这些比对能否避免？
实际上，即便说 P[3] 与 T[i] 的比对还算必要，后续的这三次比对却都是不必要的
实际上，它们的失败结果早已注定
只需注意到 P[3] = P[2] = P[1] = P[0] = ‘0‘ ，就不难看出这一点
既然经过此前的比对已经发现 T[i] ≠ P[3] ，那么继续将 T[i] 和那些与 P[3] 相同的字符做比对，既重蹈覆辙，更徒劳无益
记忆 = 教训= 预知力
就算法策略而言，引入 next 表的实质作用，在于帮助我们利用以往成功对比所提供的“经验”，将记忆力转化为预知力
然而实际上，此前已进行过的比对还远不止这些，确切地说还包括那些失败的比对----作为“教训”，它们同样有益，但可惜此前一直被忽略了
以往所做的失败比对，实际上已经为我们提供了一条极为重要的信息---- T[i] ≠ P[3] ---- 可惜我们却未能有效地加以利用
原算法之所以会执行后续三次本不必要的比对，原因在于未能充分汲取教训
改进
为把这类“负面”引入 next 表，只需将集合 N(P, j) 的定义修改为：
N(P, j) = { 0 ≤ t < j | P[0, t) = P[j - t, j) 且 P[t] ≠ P[j] }
也就是说，除“对应于自匹配长度”以外，t 只有还同时满足“当前字符对不匹配”的必要条件，方能归入集合 N(P, j) 并作为 next 表项的候选
void Build_Next(char* P) //构造模式串 P 的 next 表（改进版本）
{
int m = strlen(P);
int j = 0; //“主”串指针
int t = next[0] = -1; //模式串指针
while (j < m-1) {
if (t < 0 || P[j] == P[t]) { //匹配
++j;
++t;
next[j] = (P[j] != P[t] ? t : next[t]); //注意此句与未改进之前的区别
} else { //失配
t = next[t];
}
}
}唯有 P[j] ≠ P[t] 时，才能将 t 赋予 next[j]，否则，需转而代之以 next[t]
改进后的 next 表的构造算法同样只需 O(m) 时间
#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
const int maxn = 30 + 10;
char T[maxn * maxn];
char P[maxn * maxn];
int next[maxn * maxn];
int n, m;
int T_len, P_len;
void Build_Next(char* P);
bool Match(char* P, char *T);
int main()
{
// freopen("in.txt", "r", stdin);
while (scanf("%d%d", &n, &m) != EOF) {
T_len = n*m;
for (int i=0; i<T_len; ++i) {
cin>>T[i];
}
strlwr(T);
scanf("%s", P);
P_len = strlen(P);
strlwr(P);
if (Match(P, T)) {
printf("YES\n");
} else {
printf("NO\n");
}
}
return 0;
}
void Build_Next(char* P)
{
int j = 0;
int t = next[0] = -1;
while (j < P_len-1) {
if (t < 0 || P[j] == P[t]) {
++j;
++t;
next[j] = (P[j] != P[t] ? t : next[t]);
} else {
t = next[t];
}
}
}
bool Match(char* P, char *T)
{
Build_Next(P);
int i = 0, j = 0;
while (j < P_len && i < T_len) {
if (j < 0 || T[i] == P[j]) {
++i;
++j;
} else {
j = next[j];
}
}
if (i-j < T_len-P_len+1) {
return true;
}
return false;
}
标签：
原文地址：http://blog.csdn.net/only_air/article/details/51239701
