字符串匹配算法javascript 字符串匹配算法python

下面我先粘贴两种算法然后进行详细解释。

首先是暴力匹配算法

#encoding:utf-8

"""方法功能：判断p是否为sｄ子串，如果是，那么返回p在s中第一次出现的下标，否则返回-1
　　输入参数：s和p分别为主串和模式串"""

# 下面为暴力匹配的方法
def match(s,p):
    # 检查参数合理性
    if s==None or p==None:
        print("参数不合理")
        return -1
    slen = len(s)
    plen = len(p)
    # p肯定不是s的子串
    if slen<plen:
        return -1
    i=0
    j=0
    while i<slen and j<plen:
        if list(s)[i] == list(p)[j]:
            # 如果相同，那么继续比较后面的字符
            i = i+1
            j = j+1
        else:
            # 后退回去重新比较
            i = i-j+1
            j = 0
            if(i>slen-plen):
                return -1
    if j>=plen: #匹配成功
        return i-plen
    return -1

if __name__ == "__main__":
    s = "xyzabcd"
    p = "abc"
    print(match(s,p))

 

然后是KMP算法

#encoding:utf-8

"""方法功能：判断p是否为s的子串，如果是，那么返回p在s中第一次出现的下标，否则返回-1
　　输入参数：s和p分别为主串和模式串"""

# 下面为KMP算法的实现

def getNext(p,nexts):
    i=0
    j=-1
    nexts[0]=-1
    while i < len(p):
        if j==-1 or list(p)[i]==list(p)[j]:
            i = i+1
            j = j+1
            nexts[i]=j
        else:
            j = nexts[j]

def match(s,p,nexts):
    #检查参数的合理性，s的长度一定不会小于p的长度
    if s == None or p == None:
        print("参数不合理")
        return -1
    slen = len(s)
    plen = len(p)
    # p肯定不是s的子串
    if slen<plen:
        return -1
    i=0
    j=0
    while i<slen and j<plen:
        print("i="+str(i)+","+"j="+str(j))
        if j==-1 or list(s)[i] == list(p)[j]:
#             # 如果相同，那么继续比较后面的字符
            i = i+1
            j = j+1
        else:
            # 主串i不用回溯，从next数组中找出需要比较的模式串位置
            j=nexts[j]
    if j>=plen: #匹配成功
        return i-plen
    return -1

if __name__ == "__main__":
    s = "abababaabcbab"
    p = "abaabc"
    lens = len(p)
    nexts = [0]*(lens+1)
    getNext(p,nexts)
    print("next数组为："+ str(nexts[0])),
    i=1
    while i<lens-1:
        print(","+str(nexts[i])),
        i=i+1
    print('\n')
    print("匹配结果为："+str(match(s,p,nexts)))

 

接着介绍分析一下KMP算法

 

首先我们来看一个例子，现在有两个字符串A和B，问你在A中是否有B，有几个？为了方便叙述，我们先给定两个字符串的值

A=”abcaabababaa”

B=”abab”

那么普通的匹配是怎么操作的呢？

当然就是一位一位地比啦。（下面用蓝色表示已经匹配，黑色表示匹配失败）

但是我们发现这样匹配很浪费!

为什么这么说呢，我们看到第4步：

在第4步的时候，我们发现第3位上c与a不匹配，然后第五步的时候我们把B串向后移一位，再从第一个开始匹配。

这里就有一个对已知信息很大的浪费，因为根据前面的匹配结果，我们知道B串的前两位是ab，所以不管怎么移，都是不能和b匹配的,所以应该直接跳过对A串第二位的匹配，对于A串的第三位也是同理。

或许这这个例子还不够经典，我们再举一个。

A=”abbaabbbabaa”
B=”abbaaba”

在这个例子中，我们依然从第1位开始匹配，直到匹配失败：

abbaabbbabba
abbaaba
我们发现第7位不匹配
那么我们若按照原来的方式继续匹配，则是把B串向后移一位，重新从第一个字符开始匹配
abbaabbbabba
_abbaaba
依然不匹配，那我们就要继续往后移咯。
且住！
既然我们已经匹配了前面的6位，那么我们也就知道了A串这6位和B串的前6位是匹配的，我们能否利用这个信息来优化我们的匹配呢？
也就是说，我们能不能在上面匹配失败后直接跳到：
abbaabbbabba
____abbaaba
这样就可以省去很多不必要的匹配。

KMP算法

KMP算法就是解决上面的问题的，在讲述之前，我们先摆出两个概念：

前缀：指的是字符串的子串中从原串最前面开始的子串，如abcdef的前缀有：a,ab,abc,abcd,abcde
后缀：指的是字符串的子串中在原串结尾处结尾的子串，如abcdef的后缀有：f,ef,def,cdef,bcdef

KMP算法引入了一个F数组（在很多文章中会称为next,但笔者更习惯用F，这更方便表达），F[i]表示的是前i的字符组成的这个子串最长的相同前缀后缀的长度！
怎么理解呢？
例如字符串aababaaba的相同前缀后缀有a和aaba，那么其中最长的就是aaba。

KMP算法的难理解之处与本文叙述的约定

在继续我们的讲述之前，笔者首先讲一下为什么KMP算法不是很好理解。
虽然说网上关于KMP算法的博客、教程很多，但笔者查阅很多资料，详细讲述过程及原理的不多，真正讲得好的文章在定义方面又有细微的不同（当然，真正写得好的文章也有，这里就不一一列举），比如说有些从1开始标号，有些next表示的是前一个而有些是当前的，通读下来，难免会混乱。
那么，为了防止读者在接下来的内容中感到和笔者之前学习时同样的困惑，在这里先对下文做一些说明和约定。

1.本文中，所有的字符串从0开始编号
2.本文中，F数组（即其他文章中的next），F[i]表示0~i的字符串的最长相同前缀后缀的长度。

F数组的运用

那么现在假设我们已经得到了F的所有值，我们如何利用F数组求解呢？
我们还是先给出一个例子（笔者用了好长时间才构造出这一个比较典型的例子啊）：
A=”abaabaabbabaaabaabbabaab”
B=”abaabbabaab”
当然读者可以通过手动模拟得出只有一个地方匹配
abaabaabbabaaabaabbabaab
那么我们根据手动模拟，同样可以计算出各个F的值

B=”a b a a b b a b a a b “
F= 0 0 1 1 2 0 1 2 3 4 5（2017.7.25 Update 这里之前有一个错误，感谢@ 歌古道指正）（2017.7.29 Update 好吧，这里原来还有一个错误，已经更正啦感谢@iwangtst）

我们再用i表示当前A串要匹配的位置（即还未匹配），j表示当前B串匹配的位置（同样也是还未匹配），补充一下，若i>0则说明i-1是已经匹配的啦（j同理）。

首先我们还是从0开始匹配：

此时，我们发现，A的第5位和B的第5位不匹配（注意从０开始编号），此时i=5,j=5，那么我们看F[j-1]的值：

F[5-1]=2;

这说明我们接下来的匹配只要从B串第２位开始（也就是第３个字符）匹配，因为前两位已经是匹配的啦，具体请看图：

然后再接着匹配：

我们又发现，A串的第13位和B串的第10位不匹配，此时i=13,j=10，那么我们看F[j-1]的值：

F[10-1]=4

这说明B串的0~3位是与当前(i-4)~(i-1)是匹配的，我们就不需要重新再匹配这部分了，把B串向后移，从Ｂ串的第４位开始匹配：

这时我们发现A串的第13位和B串的第4位依然不匹配

此时i=13,j=4，那么我们看F[j-1]的值：

F[4-1]=1

这说明B串的第0位是与当前i-1位匹配的，所以我们直接从B串的第1位继续匹配：

但此时B串的第1位与A串的第13位依然不匹配

此时，i=13,j=1,所以我们看一看F[j-1]的值:

F[1-1]=0

好吧，这说明已经没有相同的前后缀了，直接把B串向后移一位，直到发现B串的第0位与A串的第i位可以匹配（在这个例子中，i=13）

再重复上面的匹配过程，我们发现，匹配成功了！

这就是KMP算法的过程。
另外强调一点，当我们将B串向后移的过程其实就是i++,而当我们不动B，而是匹配的时候，就是i++,j++，这在后面的代码中会出现，这里先做一个说明。

最后来一个完整版的（话说做这些图做了好久啊！！！！）：

F数组的求解

既然已经用这么多篇幅具体阐述了如何利用F数组求解，那么如何计算出F数组呢？总不能暴力求解吧。

KMP的另外一个巧妙的地方也就在这里，它利用我们上面用B匹配A的方法来计算F数组，简单点来说，就是用B串匹配B串自己！
当然，因为B串==B串，所以如果直接按上面的匹配，那是毫无意义的（自己当然可以完全匹配自己啦），所以这里要变一变。

因为上面已经讲过一部分了，先给出计算F的代码：

def getNext(p,nexts):
    i=0
    j=-1
    nexts[0]=-1
    while i < len(p):
        if j==-1 or list(p)[i]==list(p)[j]:
            i = i+1
            j = j+1
            nexts[i]=j
        else:
            j = nexts[j]

 

首先可以确定的几点是：

1.F[0]=-1　(虽说这里应该是０，但为了方便判越界，同时为了方便判断第０位与第i位，程序中这里置为-1)
2.这是一个从前往后的线性推导，所以在计算F[i]时可以保证F[0]~F[i-1]都是已经计算出来的了
3.若以某一位结尾的子串不存在相同的前缀和后缀，这个位的F置为-1（这里置为-1的原因同第一条一样）

重要！：另外，为了在程序中表示方便，在接下来的说明中，F[i]=0表示最长相同前缀后缀长度为１，即真实的最长相同前缀后缀＝F[i]+1。(重要的内容要放大)
为什么要这样设置呢，因为这时F[i]代表的就不仅仅与前后缀长度有关了，它还代表着这个前缀的最后一个字符在子串B中的位置。

所以，之前上面列出的F值要变一下（这里用’_’辅助对齐）：

B=”a _b a a b _b a b a a b “
F= -1 -1 0 0 1 -1 0 1 2 3 4

那么，我们同样可以推出，求解F的思路是：看F[i-1]这个最长相同前缀后缀的后面是否可以接i，若可以，则直接接上，若不可以，下面再说。
举个例子：
还是以B=”abaabbabaab”为例，我们看到第2个。

B=”a b a a b b a b a a b”
F=-1 -1

此时这个a的前一个b的F值为-1，所以此时a不能接在b的后面（b的相同最长前缀后缀是０啊），此时，j=-1，所以我们判断B[j+1]与B[2]，即B[0]与B[2]是否一样。一样，所以F[2]=j+1=0（代表前0~2字符的最长相同前缀后缀的前缀结束处是B[0],长度为0+1=1）。

再来看到第３个：

B=”a b a a b b a b a a b”
F=-1 -1 0

开始时,j=F[3-1]=0，我们发现B[j+1=1]!=B[i=3]，所以j=F[j]=-1,此时B[j+1=0]==B[i=3]，所以F[3]=j+1=0。

最后举个例子，看到第４个

B=”a b a a b b a b a a b”
F=-1 -1 0 0

j首先为F[4-1]=0，我们看到B[j+1=1]==B[i]，所以F[i]=j+1=1。

再强调一遍，我们这样求出来的F值是该最长相同前缀后缀中的前缀的结束字符的数组位置（从０开始编号），如果要求最长相同前缀后缀的长度，要输出F[i]+1。