字符串匹配过程中,如果使用蛮力算法,效率非常的差,在此介绍一种较为高效的匹配算法KMP算法。
其主要思想是从匹配的模版去分析,即去分析Pattern串的自身规律,进而去优化匹配的效率。例如字符串“ababcb”,明显看出是ab出现一组重复,若出现如下匹配模式:
text:abababcb
pattern: ababcb
此时发生错误,一般情况下会选择移动Pattern一个位置来继续,事实证明效果不佳。聪明的人一眼就看出来,下一步应该进行这样的匹配
text:abababcb
pattern: ababcb
通过一次移动两个位置便迅速完成匹配,而移动的位置大小也恰恰是ab这个重复串的大小,所以,匹配每次移动的位置一定和当前字符串的真前缀真后缀有关,根据科学家实验,移动的位置==最大相等真前后缀的长度,此时我们需要一个和模版一样长的数组去存放Pattern下次要移动的位置,我们称Nexd[]。
对于Parrern:"a b a b c b" 这个模版来讲,
它的next[]: -1 0 0 1 2 0
其中数字next[i]代表下次模版需要用Pattern[next[i]]去匹配text,而-1代表整个模版直接跳过当前字符。所以,算法的关键其实就是算出next[].
public class KMP
{
public KMP()
{
}
/**
* @param args
*/
public static void main(String[] args)
{
// TODO Auto-generated method stub
String text = "ab abcb ababcb abab cb ababcb ababc ";
String pattern ="ababcb";
showList(getNext(pattern));
kmpScan(text, getNext(pattern), pattern);
}
public static void kmpScan(String str, int[] next,String pattern)
{
int k =0;
int j =0;
int count =0;
int index =0;
//int[] index = new int[count];
while(k<str.length())
{
if(j==-1&&k<str.length())
{
k++;
j=0;
}
else if(str.charAt(k)==pattern.charAt(j))
{
j++;
k++;
}
else{
j=next[j];
}
if(j==pattern.length())
{
index = k-j;
j=0;
k++;
count++;
System.out.println(index);//记录了字符出现的位置
}
}
System.out.println(count);
}
public static int[] getNext(String pattern)
{
char[] pat = pattern.toCharArray();
int[] next = new int[pattern.length()];
next[0]=-1;
next[1]=0;
for (int i = 2; i < next.length; i++)
{
int k=next[i-1];
while(k>=0)
{
if(pat[k]==pat[i-1])
break;
k=next[k];
}
next[i]=k+1;
}
return next;
}
public static void showList(int next[])
{
for (int i = 0; i < next.length; i++)
{
System.out.printf("%d ",next[i]);
}
System.out.println();
}
}
结果:
-1 0 0 1 2 0
8
23
2
结论:一种高效的算法,在英文匹配上比较出色,也可以将其用在byte匹配上~
另一种更高效的算法BM,期待下一篇~