云漫圈 | 什么是字符串匹配算法?
作者 | 程序员小灰
来源 | 程序员小灰(ID:chengxuyuanxiaohui )
————— 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));
}
为了助力对抗疫情,减少线下人员流动和聚集,CSDN与 PyCon 官方授权的 PyCon中国社区合作,举行「Python开发者日」在线系列峰会。通过精彩的技术干货内容、有趣多元化的在线互动活动等,让您足不出户便可与大咖学习交流,共同渡过抗疫攻坚期。
活动咨询,可扫描下方二维码加入官方交流群⬇️⬇️⬇️
福利
扫描添加小编微信,备注“姓名+公司职位”,入驻【CSDN博客】,加入【云计算学习交流群】,和志同道合的朋友们共同打卡学习!
推荐阅读:
大数据抗疫的“洪荒之力”:多地政府借力大数据技术,多家企业上马大数据产品
“云原生全家桶“KubeSphere 如何让企业从容迈进云原生时代?
为什么说程序员做外包没前途?
官宣了!受疫情影响,程序员可免费领这些!
12 大 AI App 技术创意,教你如何在 2020 年赚到钱!
远程办公绝非远程监控,该如何挖掘远程办公的红利?
真香,朕在看了!
云漫圈 | 什么是字符串匹配算法?相关推荐
- 漫画:如何优化 “字符串匹配算法”?
作者 | 小灰 来源 | 程序员小灰(ID:chengxuyuanxiaohui) 说起"字符串匹配",恐怕算得上是计算机领域应用最多的功能之一,为了满足这一需求,聪明的计算机科学 ...
- 字符串匹配算法 -- BM(Boyer-Moore) 和 KMP(Knuth-Morris-Pratt)详细设计及实现
文章目录 1. 算法背景 2. BM(Boyer-Moore)算法 2.1 坏字符规则(bad character rule) 2.2 好后缀规则(good suffix shift) 2.3 复杂度 ...
- Go 语言实现字符串匹配算法 -- BF(Brute Force) 和 RK(Rabin Karp)
今天介绍两种基础的字符串匹配算法,当然核心还是熟悉一下Go的语法,巩固一下基础知识 BF(Brute Force) RK(Rabin Karp) 源字符串:src, 目标字符串:dest: 确认des ...
- Boyer-Moore 字符串匹配算法
字符串匹配问题的形式定义: 文本(Text)是一个长度为 n 的数组 T[1..n]: 模式(Pattern)是一个长度为 m 且 m≤n 的数组 P[1..m]: T 和 P 中的元素都属于有限的字 ...
- Java实现算法导论中朴素字符串匹配算法
朴素字符串匹配算法沿着主串滑动子串来循环匹配,算法时间性能是O((n-m+1)m),n是主串长度,m是字串长度,结合算法导论中来理解,具体代码参考: package cn.ansj;public cl ...
- 字符串匹配算法Java_如何简单理解字符串匹配算法?
这篇文章来说说如何简单理解KMP,BM算法.之前看过一些文章说,KMP算法很难理解. 可我并不觉得. 我反而觉得它容易理解.平时我们写java代码的时候, 判断一个字符串是否存在包含另一个字符串都是直 ...
- BF,KMP,BM三种字符串匹配算法性能比较
三种最基本的字符串匹配算法是BF,KMP以及BM,BF算法是最简单直接的匹配算法,就是逐个比较,一旦匹配不上,就往后移动一位,继续比较,所以比较次数很都. 关于KMP和BM的详细介绍可以参考下面的两个 ...
- Python:对字符串匹配算法的分析
问题描述 字符串匹配问题可以归纳为如下的问题: 在长度为n的文本T[1-n]中,查找一个长度为m的模式P[1-m].并且假设T,P中的元素都来自一个有限字母集合Ʃ.如果存在位移s,其中0≤s≤n-m, ...
- 字符串匹配算法(三):KMP(KnuthMorrisPratt)算法
文章目录 KMP 原理 next数组的构建 代码实现 KMP 一提到字符串匹配算法,想必大家脑海中想到的第一个必然就是KMP算法,KMP算法的全称叫做KnuthMorrisPratt算法,与上一篇博客 ...
最新文章
- 数学知识--Unconstrained Optimization(第二章)
- MySQL基于时间字段进行分区的方案总结
- 基于libUSB的USB设备固件更新程序(下载数据)(转)
- 【文件处理】——Python pandas 写入数据到excel中
- 三个线程按顺序输出数字
- LeetCode 71. 简化路径(栈)
- linux一步一脚印---mv命令
- 利用Java-JACOB操作WORD文档2
- matplotlib pyqt4
- python中积分怎么表示_python中的数值积分与符号积分
- 《算法第一步》出版啦!
- js、jquery操作复选框checkbox总结(单个/多个获取选中值、初始化设置默认选中值、全选反选)
- Python第三方模块:PyQt5简介
- 如何解决HTML网页中文显示乱码
- 什么是桶(bucket)?什么是度量(metrics)?
- jmeter性能案例一登录百度
- Deepin15.7 Linux 安装 Aegisub
- dll修复精灵 连接云服务器失败,一键dll修复精灵怎么用(电脑丢失dll文件恢复技巧)...
- 唐诗宋词具体软件(源码讲解)
- 中国分省市县水土流失土地利用土壤侵蚀现状图及简介