应用场景-字符串匹配问题
字符串匹配问题::
1)有一个字符串 str1=""上海自来水来自海上"",和一个子串 str2="自来水"
2)现在要判断str1是否含有str2, 如果存在,就返回第一次出现的位置, 如果没有,则返回-1
暴力匹配算法
如果用暴力匹配的思路,并假设现在str1匹配到 i位置,子串str2匹配到 j 位置,则有:
1)如果当前字符匹配成功(即str1[i] == str2[j]),则i++,j++,继续匹配下一个字符.
2)如果匹配失败(即str1[i]! = str2[j]),令i = i - (j- 1),j = 0。相当于每次匹配失败时,i回溯,j 被置为0。
3)用暴力方法解决的话就会有大量的回溯,每次只移动一位,若是不匹配,移动到下一位接着判断,浪费了大量的时间。(不可行!)
暴力匹配算法实现:
package algorithm;
/**
* 暴力匹配算法
*
* @author boyu
*
*/
public class ViolenceMatch {
public static void main(String[] args) {
String str1 = "上海自来水来自海上";
String str2 = "自来水";
int index = violenceMatch(str1, str2);
System.out.println("index=" + index);
}
public static int violenceMatch(String str1, String str2) {
char[] s1 = str1.toCharArray();
char[] s2 = str2.toCharArray();
int s1Len = s1.length;
int s2Len = s2.length;
int i = 0;
int j = 0;
while (i < s1Len && j < s2Len) {
if (s1[i] == s2[j]) { // 匹配成功
i++;
j++;
} else {
i = i - (j - 1);
j = 0;
}
}
if (j == s2Len) {
return i - j;
} else {
return -1;
}
}
}
KMP算法介绍
1)KMP是一个解决模式串在文本串是否出现过,如果出现过,最早出现的位置的经典算法
2)Knuth-Morris-Pratt字符串查找算法,简称为“KMP算法”,常用于在一个文本串S内查找一个模式串P 的出现位置,这个算法由DonaldKnuth、VaughanPratt、JamesH. Morris三人于1977年联合发表,故取这3人的姓氏命名此算法
3)KMP方法算法就利用之前判断过信息,通过一个next数组,保存模式串中前后最长公共子序列的长度,每次回溯时,通过next数组找到,前面匹配过的位置,省去了大量的计算时间
4)参考资料:https://www.cnblogs.com/ZuoAndFutureGirl/p/9028287.html
图解:
举例来说,有一个字符串 Str1 = “BBC ABCDABABCDABCDABDE”,判断,里面是否包含另一个字符串 Str2 = “ABCDABD”?
1. 首先,用Str1的第一个字符和Str2的第一个字符去比较,不符合,关键词向后移动一位
2. 重复第一步,还是不符合,再后移
3. 一直重复,直到Str1有一个字符与Str2的第一个字符符合为止
4. 接着比较字符串和搜索词的下一个字符,还是符合。
5. 遇到Str1有一个字符与Str2对应的字符不符合。
6. 这时候,想到的是继续遍历Str1的下一个字符,重复第1步。(其实是很不明智的,因为此时BCD已经比较过了,没有必要再做重复的工作,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。)
7. 怎么做到把刚刚重复的步骤省略掉?可以对Str2计算出一张《部分匹配表》,这张表的产生在后面介绍
8. 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。
9. 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。
10. 因为空格与A不匹配,继续后移一位。
11. 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。
12. 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。
《部分匹配表》怎么产生的 ?
先介绍前缀,后缀是什么
“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。
”部分匹配”的实质:
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。
用代码实现KMP算法:
package algorithm;
import java.util.Arrays;
public class KMPAlgorithm {
public static void main(String[] args) {
String str1 = "BBC ABCDAB ABCDABCDABDE";
String str2 = "ABCDABD";
int[] next = kmpNext("ABCDABD");
int index = kmpSearch(str1, str2, next);
System.out.println(index);
}
/**
* kmp搜索算法
*
* @param str1
* 源串
* @param str2
* 子串
* @param next
* 部分匹配表
* @return -1则没找到
*/
public static int kmpSearch(String str1, String str2, int[] next) {
for (int i = 0, j = 0; i < str1.length(); i++) {
while (j > 0 && str1.charAt(i) != str2.charAt(j)) {
j = next[j - 1];
}
if (str1.charAt(i) == str2.charAt(j)) {
j++;
}
if (j == str2.length()) {
return i - j + 1;
}
}
return -1;
}
// 获取一个字符串的部分匹配值表
public static int[] kmpNext(String dest) {
// 保存部分匹配值
int[] next = new int[dest.length()];
// 字符串长度是1,部分匹配值就是0
next[0] = 0;
for (int i = 1, j = 0; i < dest.length(); i++) {
// KMP算法核心
while (j > 0 && dest.charAt(i) != dest.charAt(j)) {
j = next[j - 1];
}
if (dest.charAt(i) == dest.charAt(j)) {
j++;
}
next[i] = j;
}
return next;
}
}