<span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);"></span><pre name="code" class="java"><span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);"> </span><span style="background-color: rgb(255, 255, 255); font-size: 10.5pt; font-family: 宋体;">今天我们来聊聊模式匹配算法，什么是模式匹配算法呢，其实就是子字符串匹配上算法。比如字符串<span style="font-family:Times New Roman;">a=</span></span><span style="background-color: rgb(255, 255, 255); font-size: 10.5pt; font-family: 'Times New Roman';">”</span><span style="background-color: rgb(255, 255, 255); font-size: 10.5pt; font-family: 宋体;">abcabc</span><span style="background-color: rgb(255, 255, 255); font-size: 10.5pt; font-family: 'Times New Roman';">”</span><span style="background-color: rgb(255, 255, 255); font-size: 10.5pt; font-family: 宋体;">, 需匹配字符串为<span style="font-family:Times New Roman;">b=</span></span><span style="background-color: rgb(255, 255, 255); font-size: 10.5pt; font-family: 'Times New Roman';">”</span><span style="background-color: rgb(255, 255, 255); font-size: 10.5pt; font-family: 宋体;">abc</span><span style="background-color: rgb(255, 255, 255); font-size: 10.5pt; font-family: 'Times New Roman';">”</span><span style="background-color: rgb(255, 255, 255); font-size: 10.5pt; font-family: 宋体;">，则<span style="font-family:Times New Roman;">b</span>在<span style="font-family:Times New Roman;">a</span>中出现的第一个位置就是<span style="font-family:Times New Roman;">0</span>号位置了，这就算是匹配成功了。在讲kmp算法之前，我们想传统的给你2个字符串，做比较的话，肯定是一个一个的比较，暴力的解决这个问题，我事先也写了一个这样的例子。</span>
<span style="background-color: rgb(255, 255, 255); font-size: 10.5pt; font-family: 宋体;"></span><pre name="code" class="java">/**
* 普通的模式匹配算法
*
* @param s
* 主串
* @param t
* 匹配串
*/
private static int strIndex(String s, String t) {
int start = 0;
int end = s.length() - t.length() + 1;
int k = 0;
int index = -1;
for (int i = start; i <= end; i++) {
// 当前主串的匹配位置
k = i;
// 找准开始匹配的起时，再依次匹配
for (int j = 0; j < t.length(); j++) {
if (s.charAt(k) == t.charAt(j)) {
k++;
} else {
break;
}
}
// 如果匹配到t个长度后
if (k == i + t.length()) {
index = i;
break;
}
}
return index;
}
<span style="font-family:宋体;"><span style="font-size: 14px;"> 功能虽然说可以实现了，但是效率自不必说，时间复杂度为O(n*n)级别的，如果碰上超长字符串，类似文章型的检索，都不知道得等到什么时候了。我们总是站在巨人的肩膀上思考问题，这些问题，前辈们早就思考到了，有人就提出了一种KMP的模式匹配算法，首先介绍一下KMP的由来。</span></span>
<span style="font-family:宋体;"><span style="font-size: 14px;"><span style="font-family: Verdana, Arial, Helvetica, sans-serif; font-size: 14px; line-height: 28px;">KMP算法之所以叫做KMP算法是因为这个算法是由三个人共同提出来的，（</span></span></span><span style="font-family: tahoma, arial, 宋体; line-height: 24px; text-indent: 28px; font-size: 14px;">由D.E.Knuth与V.R.Pratt和J.H.Morris同时发现，因此人们称它为克努特——莫里斯——普拉特操作（简称KMP算法）</span><span style="font-family:宋体;"><span style="font-size: 14px;"><span style="font-family: Verdana, Arial, Helvetica, sans-serif; line-height: 28px;">）就取三个人名字的首字母作为该算法的名字。其实KMP算法与暴力算法的区别就在于KMP算法巧妙的消除了指针i的回溯问题，只需确定下次匹配j的位置即可，使得问题的复杂度由O(n*n)下降到O(m+n)。</span> </span></span>
<span style="font-family:宋体;"><span style="font-size: 14px;"><span style="font-family: Verdana, Arial, Helvetica, sans-serif; line-height: 28px;"> 我们先来看看原始暴力匹配的过程是怎么样的：</span></span></span>
<span style="font-family:宋体;"><span style="font-size: 14px;"><span style="font-family: Verdana, Arial, Helvetica, sans-serif; line-height: 28px;"><img src="http://img.blog.csdn.net/20141006140404515?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvQW5kcm9pZGx1c2hhbmdkZXJlbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="" /> </span></span></span>
<span style="font-family:宋体;"><span style="font-size: 14px;"><span style="font-family: Verdana, Arial, Helvetica, sans-serif; line-height: 28px;">但是kmp算法根普通匹配算法的最大不同点之处在于，他略过了之前匹配中的相同部分，直接从下一个匹配不同的地方开始，利用已得到的“匹配部分”，向右滑动尽可能远的一段距离。避免了逐一滑动。但是他在里面又定义了种next[]数组的概念，就是next[j] = k，意味着表明模式串中的第j+1个字符串失配时候，在模式串中需重新和目标串中字符si进行比较的位置，不一定失配时j都得从0开始，如果模式串中前k个字符等于模式串中后k个字符，我们就直接从模式串中的k下标开始匹配，因为之前的k个已经是匹配正确的情况下的。<span style="font-family: Verdana, Arial, Helvetica, sans-serif; font-size: 14px; line-height: 28px;">在KMP算法中，为了确定在匹配不成功时，下次匹配时j的位置，next[j]的值表示s[0...j-1]中最长后缀的长度等于相同字符序列的前缀。意思就是说<span style="font-family: Verdana, Arial, Helvetica, sans-serif; font-size: 14px; line-height: 28px;">即next[j]=k>0时，表示S[0...k-1]=S[j-k,j-1]，<span style="font-family: Verdana, Arial, Helvetica, sans-serif; font-size: 14px; line-height: 28px;">如果next[j]>=0，则目标串的指针i不变，将模式串的指针j移动到next[j]的位置继续进行匹配,这是为了避免少匹配的情况的发生，因为头尾部部分匹配，也可能出现全部匹配的情况，</span>如果k=0，直接重新j=0开始匹配，匹配的位置则刚刚好是i下标失配的位置。所以后面的任务就是求next数组的活了。</span></span></span></span></span>
<span style="font-family:宋体;"><span style="font-size: 14px;"><span style="font-family: Verdana, Arial, Helvetica, sans-serif; line-height: 28px;"><span style="font-family: Verdana, Arial, Helvetica, sans-serif; font-size: 14px; line-height: 28px;"><span style="font-family: Verdana, Arial, Helvetica, sans-serif; font-size: 14px; line-height: 28px;"> 那么如何去求next数组呢：</span></span></span></span></span>
<span style="font-family:宋体;"><span style="font-size: 14px;"><span style="font-family: Verdana, Arial, Helvetica, sans-serif; line-height: 28px;"><span style="font-family: Verdana, Arial, Helvetica, sans-serif; font-size: 14px; line-height: 28px;"><span style="font-family: Verdana, Arial, Helvetica, sans-serif; font-size: 14px; line-height: 28px;"></span></span></span></span></span><p style="margin: 10px auto; padding-top: 0px; padding-bottom: 0px; line-height: 2; font-family: Verdana, Arial, Helvetica, sans-serif; font-size: 14px;"> 根据定义next[0]=-1，假设next[j]=k, 即T[0...k-1]==T[j-k,j-1]</p><p style="margin: 10px auto; padding-top: 0px; padding-bottom: 0px; line-height: 2; font-family: Verdana, Arial, Helvetica, sans-serif; font-size: 14px;"> 1)若T[j]==T[k]，则有T[0..k]==T[j-k,j]，很显然，next[j+1]=next[j]+1=k+1;</p><p style="margin: 10px auto; padding-top: 0px; padding-bottom: 0px; line-height: 2; font-family: Verdana, Arial, Helvetica, sans-serif; font-size: 14px;"> 2)若T[j]!=T[k]，k值如何移动，显然k=next[k]，这个是我最难理解的一点，我的意思是这相当于把k的值回溯到上一个匹配的值的时候。比如说原本我有3个字符首尾相同，后来多了一个字符串比较不通过时，把变为上次通过的值，这个值可能为2，拿前2个字符和后2个比较，如果不行在回溯一次值，可能最后k就变成0了，说明新比较的值一添加，就不存在相同的部分了，直接j又得从0开始了。代码如下：</p><p style="margin: 10px auto; padding-top: 0px; padding-bottom: 0px; line-height: 2; font-family: Verdana, Arial, Helvetica, sans-serif; font-size: 14px;"><pre name="code" class="java"><span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);"></span><pre name="code" class="java"> /**
* 计算next[]数组的值
*
* @param t
* 匹配串
* @return
*/
private static int[] getNext(String t) {
int[] next = new int[t.length()];
next[0] = -1;
int j = 0;
int k = -1;
while (j < t.length() - 1) {
if (k == -1 || t.charAt(j) == t.charAt(k)) {
j++;
k++;
next[j] = k;
} else {
k = next[k];
}
}
for (int i : next) {
System.out.print(i + ": ");
}
System.out.print("\n");
return next;
}
所以按照此方法，abcaa,的值的next[]数组的值为-1,0,0,0,1，当第5个字符a不匹配时候，因为第一个a和第4个a相同,所以nextde值为1，j直接从b比较第一a移动到了第四个a的位置上了。相应的kmp算法最终为：
<pre name="code" class="java"> /**
* kmp模式匹配算法
*
* @param s
* 主串
* @param t
* 匹配串
* @param next
* next[]数组
*/
private static int kmpStrIndex(String s, String t, int[] next) {
int i = 0;
int j = 0;
while (i < s.length() && j < t.length()) {
if (j == -1 || s.charAt(i) == t.charAt(j)) {
i++;
j++;
} else {
// i不变，j后退
j = next[j];
}
if (j == t.length()) {
return i - j;
}
}
return -1;
}
}
kmp的思想还是非常难理解的，如果第一次看的话，至少给我感觉是这样的，要反复琢磨，还要在纸上画画写写吧。其实想到这里，我又萌生了这样的一个想法，jdk中不是也有一个字符串匹配的方法吗，不错，就是String.contains(),不过返回的好像是布尔类型，他上面到底用的是什么方法呢，难道也是kmp的算法思想？
<pre name="code" class="java">/**
当且仅当此字符串包含指定的 char 值序列时，返回 true。
参数：
s - 要搜索的序列
返回：
如果此字符串包含 s，则返回 true，否则返回 false
抛出：
NullPointerException - 如果 s 为 null
从以下版本开始：
1.5
*/
public boolean contains(CharSequence s) {
return indexOf(s.toString()) > -1;
}
我们看看下面的indexOf方法
<p style="margin-top: 0px; margin-bottom: 0px; padding-top: 0px; padding-bottom: 0px; font-family: Tahoma; font-size: 14px; line-height: 24px;"><pre name="code" class="java"> public int indexOf(String str) {
return indexOf(str, 0);
}
public int indexOf(String str, int fromIndex) {
return indexOf(value, offset, count, str.value, str.offset, str.count, fromIndex);
}
这个index里传入了一堆的参数值，下面应该就是揭晓谜底的时候了，
/**
* Code shared by String and StringBuffer to do searches. The source is the character array being searched, and the
* target is the string being searched for.
*
* @param source
* the characters being searched.
* @param sourceOffset
* offset of the source string.
* @param sourceCount
* count of the source string.
* @param target
* the characters being searched for.
* @param targetOffset
* offset of the target string.
* @param targetCount
* count of the target string.
* @param fromIndex
* the index to begin searching from.
*/
static int indexOf(char[] source, int sourceOffset, int sourceCount, char[] target, int targetOffset,
int targetCount, int fromIndex) {
//做早期的参数验证和判断，这里的source其实就是主串
if (fromIndex >= sourceCount) {
return (targetCount == 0 ? sourceCount : -1);
}
if (fromIndex < 0) {
fromIndex = 0;
}
if (targetCount == 0) {
return fromIndex;
}
//先找出第一个字符，和计算最大的偏移下标sourceCount - targetCount，
//从这里基本可以看出计算Max的值就是要进行暴力比较了，
char first = target[targetOffset];
int max = sourceOffset + (sourceCount - targetCount);
for (int i = sourceOffset + fromIndex; i <= max; i++) {
/* Look for first character. */
//先找出第一个匹配的地方，避免后面多余的操作
if (source[i] != first) {
while (++i <= max && source[i] != first);
}
/* Found first character, now look at the rest of v2 */
if (i <= max) {
int j = i + 1;
int end = j + targetCount - 1;
//找到之后，进行剩余的比较，又是通过for循环的，根本看不到kmp的影子
for (int k = targetOffset + 1; j < end && source[j] == target[k]; j++, k++);
if (j == end) {
/* Found whole string. */
return i - sourceOffset;
}
}
}
return -1;
}
结果比较让人失望，jdk里用的也是普通的方法，不知道未来sun公司的人会不会改进这个算法，可能编写者当时的目的就是简单字符串的比比而已，还没有考虑那么多因素吧。KMP算法分析到此为止，希望大家有所收获，好了，最后贴出今天我做测试的例子，就是一个测试类：
package Kmp;
/**
* 模式匹配算法
*
* @author lyq
*
*/
public class Client {
public static void main(String[] args) {
// 主串
String s = "ababcaabcacbab";
// 匹配串
String t = "abcaa";
// 第一个匹配的位置
int position = strIndex(s, t);
System.out.println(position);
int[] next = getNext(t);
position = kmpStrIndex(s, t, next);
System.out.println("kmp:" + position);
}
/**
* 普通的模式匹配算法
*
* @param s
* 主串
* @param t
* 匹配串
*/
private static int strIndex(String s, String t) {
int start = 0;
int end = s.length() - t.length() + 1;
int k = 0;
int index = -1;
for (int i = start; i <= end; i++) {
// 当前主串的匹配位置
k = i;
// 找准开始匹配的起时，再依次匹配
for (int j = 0; j < t.length(); j++) {
if (s.charAt(k) == t.charAt(j)) {
k++;
} else {
break;
}
}
// 如果匹配到t个长度后
if (k == i + t.length()) {
index = i;
break;
}
}
return index;
}
/**
* 计算next[]数组的值
*
* @param t
* 匹配串
* @return
*/
private static int[] getNext(String t) {
int[] next = new int[t.length()];
next[0] = -1;
int j = 0;
int k = -1;
while (j < t.length() - 1) {
if (k == -1 || t.charAt(j) == t.charAt(k)) {
j++;
k++;
next[j] = k;
} else {
k = next[k];
}
}
for (int i : next) {
System.out.print(i + ": ");
}
System.out.print("\n");
return next;
}
/**
* kmp模式匹配算法
*
* @param s
* 主串
* @param t
* 匹配串
* @param next
* next[]数组
*/
private static int kmpStrIndex(String s, String t, int[] next) {
int i = 0;
int j = 0;
while (i < s.length() && j < t.length()) {
if (j == -1 || s.charAt(i) == t.charAt(j)) {
i++;
j++;
} else {
// i不变，j后退
j = next[j];
}
if (j == t.length()) {
return i - j;
}
}
return -1;
}
/**
* Code shared by String and StringBuffer to do searches. The source is the character array being searched, and the
* target is the string being searched for.
*
* @param source
* the characters being searched.
* @param sourceOffset
* offset of the source string.
* @param sourceCount
* count of the source string.
* @param target
* the characters being searched for.
* @param targetOffset
* offset of the target string.
* @param targetCount
* count of the target string.
* @param fromIndex
* the index to begin searching from.
*/
static int indexOf(char[] source, int sourceOffset, int sourceCount, char[] target, int targetOffset,
int targetCount, int fromIndex) {
//做早期的参数验证和判断，这里的source其实就是主串
if (fromIndex >= sourceCount) {
return (targetCount == 0 ? sourceCount : -1);
}
if (fromIndex < 0) {
fromIndex = 0;
}
if (targetCount == 0) {
return fromIndex;
}
//先找出第一个字符，和计算最大的偏移下标sourceCount - targetCount，
//从这里基本可以看出计算Max的值就是要进行暴力比较了，
char first = target[targetOffset];
int max = sourceOffset + (sourceCount - targetCount);
for (int i = sourceOffset + fromIndex; i <= max; i++) {
/* Look for first character. */
//先找出第一个匹配的地方，避免后面多余的操作
if (source[i] != first) {
while (++i <= max && source[i] != first);
}
/* Found first character, now look at the rest of v2 */
if (i <= max) {
int j = i + 1;
int end = j + targetCount - 1;
//找到之后，进行剩余的比较，又是通过for循环的，根本看不到kmp的影子
for (int k = targetOffset + 1; j < end && source[j] == target[k]; j++, k++);
if (j == end) {
/* Found whole string. */
return i - sourceOffset;
}
}
}
return -1;
}
}
时间： 2024-10-27 10:52:34