通配符的字符串匹配算法

1. 简述

    题目描述:
    Str1中可能包含的字符:除了’*’和’?’以外的任意字符。
    Str2中可能包含的字符:任意字符。其中,’?’表示匹配任意一个字符,’*’表示匹配任意字符0或者多次。
    给出这样两个字符串,判断Str2是否是Str1的子串,如果是输出第一个匹配到的子串,如果不是,输出”不是子串”。

2. 分析

    对于’?’的处理,只要在匹配的时候将代码由:if(str1[i]==str2[j]) 改为 if(str1[i]==str2[j] || str2[j]==’?’)即可。
    对于’*’的处理,可以将str2根据其中的’*’分为若干个片段,然后依次在str1中分别匹配这几个片段即可,而且对于这几个片段分别匹配,如果第k个片段在str1中匹配不到,后面也可以结束了。这里举例说明一下:对于str1=”Oh year.Totay is weekend!”,str2=*ye*a*e*”,实际上就是在str1中匹配”ye”,”a”,”e”这三个片段。
    Oh year.Totay is weekend!
         yea                e
         yea                  e
         yea                     e
         ye         a        e
         ye         a         e 
         ye         a             e
    实际上,能够匹配到上面6种情况,按照我们的如果从左到右的匹配每个片段返回的是第一种情况。这里主要分析这种情况的处理,对于所有情况的输出后面再简单说明一下。
    首先处理str2,根据’*’分成若干个部分,然后依次在str1中进行匹配,使用kmp算法即可。这样判断能否匹配或者只找第一个匹配的子串的负责度是O(m+n)

3. 代码实现

    其中利用了kmp算法,为了使用方便,稍微改了下kmp算法的输入参数,即pat字符串的长度不用’\0’确定,用指定参数确定。

#include 
<
iostream
>

#include 

<
deque
>


using
 
namespace
 std;


//
 KMP算法,pat长度由len_pat指定 


void
 get_next(
const
 
char
 pat[], 
int
 next[], 
int
 pat_len) {
  

//
 int len = strlen(pat);


  
int
 len 
=
 pat_len;
  

int
 i,j; next[
0

=
 

1
;
  

for
(i
=
1
; i
<
len; i
++
) {
    

for
(j
=
next[i

1
]; j
>=
0
 
&&
 pat[i

1
]
!=
pat[j]; j
=
next[j])
      ;
    

if
(j
<
0
 
||
 pat[i

1
]
!=
pat[j])
      next[i] 

=
 
0
;
    

else
 
      next[i] 

=
 j
+
1

//
 if (pat[i]==pat[next[i]]) next[i]=next[next[i]];


  }
  

for
(
int
 i
=
0
; i
<
len; i
++
) {
    

if
(pat[i] 
==
 pat[next[i]])
      next[i] 

=
 next[next[i]];
  }
}


//
 KMP算法,str长度由’\0’判断,pat长度由len_pat指定 


int
 kmp_next(
const
 
char
 text[], 
const
 
char
 pat[], 
int
 pat_len) {
  

int
 t_length 
=
 strlen(text);
  

//
 int p_length = strlen(pat);


  
int
 p_length 
=
 pat_len;
  

int
 t,p; 
int
*
 next 
=
 
new
 
int
[p_length];
  get_next(pat, next, p_length);
  

for
(t
=
0
,p
=
0
; t
<
t_length,p
<
p_length; ) {
    

if
(text[t] 
==
 pat[p]) 
      t

++
,p
++
;
    

else

      

if
(next[p] 
==
 

1

//
 说明此时p=0,而且pat[0]都匹配不了 


        t
++
;
      

else
 
        p 

=
 next[p];  
  }
  delete []next;
  

return
 t
<
t_length 
?
 (t

p_length):

1
;  
}


//
 切分pat的结构 


struct
 PAT_INFO {
  

char
*
 pat;
  

int
 len;
};

//
 可以匹配通配符的KMP,返回第一个匹配子串在str中的下标 


void
 KMP_WildCard(
char
*
 str, 
char
*
 pat) {
  

int
 len_str 
=
 strlen(str);
  

int
 len_pat 
=
 strlen(pat);
  

int
 i,j;
  deque

<
PAT_INFO
>
 store;
  

//
 切分pat到store中 


  PAT_INFO info;
  

bool
 new_info 
=
 
true
;
  

for
(i
=
0
; i
<
len_pat; i
++
) {
    

if
(pat[i] 
==
 

*

) {
      

if
(new_info 
==
 
false

//
 有info需要保存 


        store.push_back(info);
        new_info 

=
 
true
;
    }
    

else
 {
      

if
(new_info) { 
//
 需要新建一个info 


        info.pat 
=
 pat 
+
 i;
        info.len 

=
 
1
;
        new_info 

=
 
false
;
      }
      

else
 { 
//
 不需要新建一个info 


        info.len
++
;
      }
    }
  } 

//
 for
  

//
 测试切分结果 


  
/*
 
  while(store.size() > 0) {
    info = store.front();
    for(i=0; i<info.len; i++)
      cout << info.pat[i];
    cout << endl;
    store.pop_front();
  }

*/

  

//
 根据切分后的pat序列进行匹配


  
int
 first_index 
=
 

1

//
 起始的下标 


  
int
 last_index 
=
 
0

//
 最后的下标后面的一个位置 


  
int
 next_index 
=
 
0

//
 下一次开始匹配的下标 


  
while
(store.size()) {    
    info 

=
 store.front();    
    next_index 

=
 kmp_next(str
+
next_index, info.pat, info.len);
    

if
(next_index 
==
 

1
) { 
//
 这个片段没找到,查找任务失败 


      
break
;
    }    
    

else
 { 
//
 这个片段找到了,继续找


      
if
(first_index 
==
 

1
) { 
//
 找到的第一个片段 


        first_index 
=
 next_index;
      }
      last_index 

+=
 next_index 
+
 info.len; 
      next_index 

=
 last_index;
    }
    store.pop_front();

//
    cout << last_index << endl;


  }
  

if
(store.size())
    cout 

<<
 

not found

 
<<
 endl;
  

else
 {
    

for
(i
=
first_index; i
<
last_index; i
++
)
      cout 

<<
 str[i];
    cout 

<<
 endl;
  }

}  


int
 main() {
  

char
 
*
 str 
=
 

Oh year.Totay is weekend!

;
  

char
 
*
 pat 
=
  

*ye*a*e*

;
  cout 

<<
 

str: 

 
<<
 str 
<<
 endl;
  cout 

<<
 

pat: 

 
<<
 pat 
<<
 endl;
  cout 

<<
 

res: 

;
  KMP_WildCard(str, pat);
  system(


PAUSE

);
  

return
 
0
;
}

    《通配符的字符串匹配算法》

4. 所有匹配结果输出
    例子:

    Oh year.Totay is weekend!
    yea                e
    yea                  e
    yea                     e
    ye         a        e
    ye         a         e  
    ye         a             e
    首先是所有结果是什么:如果我们要的是str1匹配到的字符串,那么可见实际上上面6个有3个是重复的,因此对于这种情况,只有得到匹配字符串在str1中的开始index和结束index,然后对于重复的去掉即可。如果要的是str1匹配到的字符的下标,那么这是不会重复的。
    然后说一下匹配方法,基本上与匹配一个的差不多,不过要加上回溯的过程。比如第一次匹配成功后,继续在新的位置匹配最后一个片段,如果成功了就是第二次匹配成功了,否则就要回溯取在新的位置去匹配倒数第二个片段了,依次类推。直到第一个片段都没法再匹配到,不再回溯了。此外值得注意的是,如果第一次匹配都没成功,就不必回溯了,这种情况下,说明不可能存在匹配结果,因为匹配是从左到右的顺序,都会尽量在左边找到合适的片段,如果第一次都没成功,假设在第k个片段上匹配失败了,那么再回溯的话,轮到k片段是空间实际上只会与上次相同或者更小,大的空间都匹配不到,小的空间更不用说了。
    还有一点值得注意:有的一些博文采用的是用str2中一个字符一个字符的匹配,感觉效率会低,而且也没有片段这个方法中的第一次匹配失败就可以停止的规律,也用不了kmp(准确的说是体现不出kmp的优势)。

5. 参考

    带通配符*的字符串匹配    http://www.slimeden.com/2010/10/algorithm/stringmatchwithasterisk
    hdu 3901 Wildcard 带通配符的字符串匹配    http://blog.csdn.net/kongming_acm/article/details/6656583

    原文作者:xiaodongrush
    原文地址: https://www.cnblogs.com/pangxiaodong/archive/2011/09/07/2169588.html
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注