漫画:什么是字符串匹配算法?

时间:2020-01-30 18:43:13   热度:37.1℃   作者:网络

原标题:漫画:什么是字符串匹配算法?

作者 | 程序员小灰

本文经授权转载自程序员小灰(ID:chengxuyuanxiaohui )

责编 | 胡巍巍

————— 第二天 —————

什么意思呢?让我们来举一个例子:

在上图中,字符串B是A的子串,

B第一次在A中出现的位置下标是2(字符串的首位下标是0),

所以返回 2。

我们再看另一个例子:

在上图中,字符串B在A中并不存在,

所以返回 -1。

为了统一概念,

在后文中,

我们把字符串A称为主串,

把字符串B称为模式串。

小灰的想法简单粗暴,

让我们用下面的例子来演示一下:

第一轮,我们从主串的首位开始,

把主串和模式串的字符逐个比较:

显然,主串的首位字符是a,

模式串的首位字符是b,两者并不匹配。

第二轮,我们把模式串后移一位,

从主串的第二位开始,

把主串和模式串的字符逐个比较:

主串的第二位字符是b,

模式串的第二位字符也是b,

两者匹配,继续比较:

主串的第三位字符是b,

模式串的第三位字符也是c,

两者并不匹配。

第三轮,我们把模式串再次后移一位,

从主串的第三位开始,

把主串和模式串的字符逐个比较:

主串的第三位字符是b,

模式串的第三位字符也是b,

两者匹配,继续比较:

主串的第四位字符是c,

模式串的第四位字符也是c,

两者匹配,继续比较:

主串的第五位字符是e,

模式串的第五位字符也是e,

两者匹配,比较完成!

由此得到结果,

模式串 bce 是主串 abbcefgh 的子串,

在主串第一次出现的位置下标是 2:

以上就是小灰想出的解决方案,

这个算法有一个名字,叫做BF算法,

是Brute Force(暴力算法)的缩写。

上图的情况,在每一轮进行字符匹配时,

模式串的前三个字符a都和主串中的字符相匹配,

一直检查到模式串最后一个字符b,才发现不匹配:

这样一来,

两个字符串在每一轮都需要白白比较4次,

显然非常浪费。

假设主串的长度是m,

模式串的长度是n,

那么在这种极端情况下,

BF算法的最坏时间复杂度是O(mn)。

————————————

比较哈希值是什么意思呢?

用过哈希表的朋友们都知道,

每一个字符串都可以通过某种哈希算法,

转换成一个整型数,

这个整型数就是hashcode:

hashcode = hash(string)

显然,相对于逐个字符比较两个字符串,

仅比较两个字符串的hashcode要容易得多。

给定主串和模式串如下

(假定字符串只包含26个小写字母):

第一步,

我们需要生成模式串的hashcode。

生成hashcode的算法多种多样,比如:

按位相加

这是最简单的方法,

我们可以把a当做1,b当做2,c当做3......

然后把字符串的所有字符相加,

相加结果就是它的hashcode。

bce = 2 + 3 + 5 = 10

但是,这个算法虽然简单,

却很可能产生hash冲突,

比如bce、bec、cbe的hashcode是一样的。

转换成26进制数

既然字符串只包含26个小写字母,

那么我们可以把每一个字符串当成一个26进制数来计算。

bce = 2*(26^2) + 3*26 + 5 = 1435

这样做的好处是大幅减少了hash冲突,

缺点是计算量较大,

而且有可能出现超出整型范围的情况,

需要对计算结果进行取模。

为了方便演示,

后续我们采用的是按位相加的hash算法,

所以bce的hashcode是10:

第二步,

生成主串当中第一个等长子串的hashcode。

由于主串通常要长于模式串,

把整个主串转化成hashcode是没有意义的,

只有比较主串当中和模式串等长的子串才有意义。

因此,

我们首先生成主串中第一个和模式串等长的子串hashcode,

即abb = 1 + 2 + 2 = 5:

第三步,比较两个hashcode。

显然,5!=10,

说明模式串和第一个子串不匹配,

我们继续下一轮比较。

第四步,

生成主串当中第二个等长子串的hashcode。

bbc = 2 + 2 + 3 = 7:

第五步,比较两个hashcode。

显然,7!=10,说明模式串和第二个子串不匹配,

我们继续下一轮比较。

第六步,生成主串当中第三个等长子串的hashcode。

bce= 2 + 3 + 5 = 10:

第七步,比较两个hashcode。

显然,10 ==10,两个hash值相等!

这是否说明两个字符串也相等呢?

别高兴的太早,

由于存在hash冲突的可能,

我们还需要进一步验证。

第八步,逐个字符比较两字符串。

hashcode的比较只是初步验证,

之后我们还需要像BF算法那样,

对两个字符串逐个字符比较,

最终判断出两个字符串匹配。

最后得出结论,

模式串bce是主串abbcefgh的子串,

第一次出现的下标是2。

什么意思呢?让我们再来看一个例子:

上图中,

我已知子串abbcefg的hashcode是26,

那么如何计算下一个子串,

也就是bbcefgd的hashcode呢?

我们没有必要把子串的字符重新进行累加运算,

而是可以采用一个更简单的方法。

由于新子串的前面少了一个a,

后面多了一个d,所以:

新hashcode = 旧hashcode - 1 + 4 = 26-1+4 = 29

再下一个子串bcefgde的计算也是同理:

新hashcode = 旧hashcode - 2 + 5 = 29-2+5 = 32

public static int rabinKarp(String str, String pattern){

//主串长度

int m = str.length();

//模式串的长度

int n = pattern.length();

//计算模式串的hash值

int patternCode = hash(pattern);

//计算主串当中第一个和模式串等长的子串hash值

int strCode = hash(str.substring(0, n));

//用模式串的hash值和主串的局部hash值比较。

//如果匹配,则进行精确比较;如果不匹配,计算主串中相邻子串的hash值。

for (int i=0; i<m-n+1; i++) {

if(strCode == patternCode && compareString(i, str, pattern)){

return i;

}

//如果不是最后一轮,更新主串从i到i+n的hash值

if(i<m-n){

strCode = nextHash(str, strCode, i, n);

}

}

return -1;

}

private static int hash(String str){

int hashcode = 0;

//这里采用最简单的hashcode计算方式:

//把a当做1,把b当中2,把c当中3.....然后按位相加

for (int i = 0; i < str.length(); i++) {

hashcode += str.charAt(i)-'a';

}

return hashcode;

}

private static int nextHash(String str, int hash, int index, int n){

hash -= str.charAt(index)-'a';

hash += str.charAt(index+n)-'a';

return hash;

}

private static boolean compareString(int i, String str, String pattern) {

String strSub = str.substring(i, i+pattern.length());

return strSub.equals(pattern);

}

public static void main(String[] args) {

String str = "aacdesadsdfer";

String pattern = "adsd";

System.out.println("第一次出现的位置:" + rabinKarp(str, pattern));

}

上一篇: 生肖算命法:十二生肖2020年5月6日运...

下一篇: 寿光捐赠蔬菜被售卖?武汉商务局:销售收入...


 本站广告