两个字符串A、B,在A字符串中查找B字符串(分别长为m,n),如果找到了,返回B字符串在A字符串中第一次出现的下标。
暴力的方法是在A[k]
,从k=0
开始对比B字符串汇中的字符,如果失败了,那么k++
,时间复杂度为mn
。
这种算法忽略的B字符串中特性,也就是说,只向后移动一位对就开始对比,实际中,可能需要移动的位数更多。
所以,需要先找一下规律,当在A[k]
出对比B字符串失败后,应该向后移动多少位(也就是A[k+?]
),开始对比?
引入一个概念:字符串前后缀最大相同长度
也就是一个字符串,如果前面n位和后面n位字符完全相同(顺序一样,不是镜像)。那么n就是字符串前后缀最大相同长度(名字不要在意,别的都是公共部分,我觉得别扭)。假设该字符串长为m,那么n的取值范围为0~m
,也就是说这个前缀和后缀可以重叠,可以完全重叠。
假若,在A[k]
中匹配B,在B[h]
开始不同,那么直接向后移动B字符串前h位的前后缀最大长度(以后都称为next[h]
)既可。
当在B[h]
匹配失败后,B[h-next[k]]
到B[h]
的字符串(前缀)与B[0]
到B[next[k]]
的字符串(后缀)是相同的,在A中对应的位置也是相同的。此时,只需要将B[0]
移动到B[h-next[h]]
位置,移动后,B在A中的前next[h]
位是已经匹配好的。所以不需要再从B[0]
开始匹配了。
为什么可以跳过这么多的位置,重要的要理解next[]
的构造过程。
构造过程之这样子的:
next从下标1开始存储,因为B从开始到结束,子字符串长度为0没意义。当子字符串长度为1是,next[1]=1
。
假设当子字符串长度为k时(也就是B[k-1]
以及之前),前后缀最大相同长度为m
。
子字符串长度为k+1:当B[k]=B[m+1]
时 ,(B[k]为之前的后缀之后的第一个字符,B[m+1]
是前缀之后的第一个字符,如果相等,就是前后缀最大相同长度+1),所以next[k+1]=next[k-1]+1
。
不想等时:开始比较B[m]位和B[k]位,如果相等也就是,之前的后缀和前缀,在后面有公共部分。其相同长度可能为next[m]+1
,因为B[m-1]
子字符串的前缀的后一位可能不等于B[m]
。如果相等,那么next[k]=next[next[k]]+1
否则,再比较B[m-1]
和B[k]
,同上。
#include <vector>
#include <iostream>
#include <string>
using namespace std;
vector<int> calNext(const string &str)
{
int len = str.size(); //总长度
vector<int> next(len + 1);
next[2] = 0;
int sublen; //要计算next的子字符串
for(int i = 2; i < len ; i++)
{
sublen = i+1;
if(str[i] == str[next[sublen-1]] ) //sublen - 1 上一个子字符串长度
{ //next[sublen - 1] 上个子字符串前缀的后一位
next[sublen] = next[sublen-1] +1;
}else{
//B子字符串前缀右移,以此比较其前缀与str[i]
for(int j = next[sublen-1] -1 ; j >= 0; j--)
{
//比较子字符串前缀与str[i]
if(str[next[j]] == str[i])
{
//如果子字符串前缀后一位与str[i]相同
//那么比较以前缀为子字符串的前缀的后一位与str[i]
//这样就还是比较了一个子字符串的前缀和后缀与待计算next的字符
if(str[next[next[j]-1]] == str[i])
//上面的-1,是将长度转化为下标,next中的都是下标
{
next[i+1] = next[next[j]]+1;
break;
}
}
}
}
}
return next;
}
int main()
{
string str("ABCKACBACLABKJ");
str="abaabcaba";
vector<int> next = calNext(str);
for(int i = 1 ;i < next.size();i++)
{
cout<<next[i]<<" ";
}
cout<<endl;
}
这就是next
的构建,其基本思想是:
比较一个子字符串的前缀后一位和后缀后一位与待计算next
字符,如果一样,那么待计算字符的next
值就是子字符串的next
值+1.
现在next
中存储的就是每次跳转的时候额外跳转的歩数,同时也是跳转以后搜索的起点。