1北京邮电大学自动化学院
第四章 串
?4.1 串类型的定义
?4.2 串的表示和实现
? 1 定长顺序存储表示
? 2 堆分配存储表示
? 3 串的块链存储表示
?4.3 串的模式匹配算法
?4.4 串操作应用举例
2北京邮电大学自动化学院
? 一、串和基本概念
4.1 串类型的定义
? 1、串 (String)
? 串是零个或多个字符组成的有限序列。一般记作
S= ?a1a2a3…a n?,其中 S 是串名,单引号括起来的字符序列
是串值; ai(1≦ i≦ n)可以是字母、数字或其它字符;串中所
包含的字符个数称为该 串的长度 。
? 长度为零的串称为 空串 (NULL String),它不包含任何字符。
? 注意,空串和空白串的不同,例如‘ ’和‘’分别表示长度
为 1的空白串和长度为 0的空串。
? 通常将仅由一个或多个空格组成的串称为 空白串 (Blank
String)。
3北京邮电大学自动化学院
? 串中任意个连续字符组成的子序列称为该串的 子串,包含子串
的串相应地称为 主串 。
一、串和基本概念
? 通常将子串在主串中首次出现时的该子串的首字符对应的主
串中的序号,定义为子串在主串中的序号(或位置)。
? 例如,设 a,b,c,d为如下的四个串:
? a=?BEI?, b=?JING?,c=?BEIJING?,d=?BEI JING?
? 则它们的长度分别为 3,4,7,8;并且 a和 b都是 c和 d的子
串,a在 c和 d中的位置都是 1,而 b在 c的位置是 4,在 d中的
位置则是 5。
? 特别地,空串是任意串的子串,任意串是其自身的子串。
4北京邮电大学自动化学院
? 当且仅当两个串的值相等,称两个串是相等 。也就是说,只
有两个串的长度相等,并且各对应位置的字符都相等时才相
等。例如上例中的串 a,b,c和 d彼此都不是相等。
一、串和基本概念
? 串值必须用一对单引号扩起来但单引号本身不属于串,它的
作用只是为了避免于变量名或数的常量混淆而已。
? 通常在程序中使用的串可分为两种:串变量和串常量。串常
量和整常数、实常数一样,在程序中只能被引用但不能不能
改变其值,即只能读不能写。
? 通常串常量是由直接量来表示的,例如语句
Error(“overflow”)中,overflow”是直接量。但有的语言允
许对串常量命名,以使程序易读、易写。如 C++中,可定义
?const char path[]=“dir/bin/appl”;
5北京邮电大学自动化学院
? const char path[]=“dir/bin/appl”;
? 这里 path是一个串常量,对它只能读不能写。串变量和其它
类型的变量一样,其取值是可以改变的。
一、串和基本概念
? 串的逻辑结构和线性表极为相似,区别仅在于串的数据对象
约束为 字符集。 然而,串的基本操作和线性表有很大差别。
? 在线性表中的基本操作中,大多数以,单个元素” 作为操作
对象。例如在线性表中查找某个元素、求取某个元素、在某
个位置上插入一个元素和删除一个元素等;
? 而在串的基本操作中,通常以,串的整体”作为操作对象,
例如在串中查找某个子串、求取一个子串、在串的某个位置
上插入一个子串以及删除一个子串等。
6北京邮电大学自动化学院
? ADT String {
D= { ai |ai∈ CharacterSet,i=1,2,...,n,≥0 }
? 数据关系,R1= { < ai-1,ai > | ai-1,ai ∈ D,i=2,...,n }
二、串的抽象数据定义
? 基本操作, ? StrAssign (&T,chars)//串赋值
? 初始条件,chars 是字符串常量。
? 操作结果:把 chars 赋为 T 的值。
? StrCopy (&T,S)//串复制
? 初始条件:串 S 存在。
? 操作结果:由串 S复制到串 T。
? 数据对象:
7北京邮电大学自动化学院
? StrCompare (S,T)//串比较
?初始条件:串 S 和 T 存在。
? 操作结果:若 S ? T,则返回值 ? 0;
? 若 S ? T,则返回值 ? 0;
? 若 S ? T,则返回值 ? 0。
二、串的抽象数据定义
? StrLength (S) //求串长
? 初始条件:串 S 存在。
? 操作结果:返回 S 的元素个数,称为串的长度。
8北京邮电大学自动化学院
? Concat (&T,S1,S2)//串连接
? 初始条件:串 S1 和 S2 存在。
? 操作结果:用 T 返回由 S1 和 S2 联接而成的新串。
二、串的抽象数据定义
? SubString (&Sub,S,pos,len)
?初始条件:串 S 存在,1≤pos≤StrLength(S),且
0≤len≤StrLength(S)-pos+1。
?操作结果:用 Sub 返回串 S 的第 pos 个字符起长度
为 len 的子串。
9北京邮电大学自动化学院
? DestroyString (&S)
? 初始条件:串 S 存在。
? 操作结果:串 S 被销毁。
二、串的抽象数据定义
? StrEmpty (S)
? 初始条件:串 S存在。
? 操作结果:若 S 为空串,则返
回 true,否则返回 false。
? ClearString (&S)
? 初始条件:串 S存在。
? 操作结果:将 S清为空串。
? } ADT String
10北京邮电大学自动化学院
? 在上述抽象数据类型定义的 13种操作中,
三、串的基本操作
? 串赋值 StrAssign、
? 串比较 StrCompare、
? 求串长 StrLength、
? 串联接 Concat
? 求子串 SubString
? 等五种操作构成串类型的最小操作子集。即:这些操作不可
能利用其他串操作来实现,反之,其他串操作(除串清除
ClearString和串销毁 DestroyString外)可在这个最小操作
子集上实现。
11北京邮电大学自动化学院
? 对于串的基本操作,许多高级语言均提供了相应的运算或
标准库函数来实现。下面仅介绍几种在 C语言中常用的串
运算,其它的串操作见相应的文件。
三、串的基本操作
? 定义下列几个变量:
? char s1[20]=“dirtreeformat”,s2[20]=“file.mem”;
? char s3[30],*p; int result;
? ( 1)求串长 (length)
? int strlen(char s); //求串的长度
? 例如,printf(“%d”,strlen(s1)); 输出 13
12北京邮电大学自动化学院
? ( 2)串复制 (copy)
? char *strcpy(char to,char from);
三、串的基本操作
? char s1[20]=“dirtreeformat”,s2[20]=“file.mem”;
? char s3[30],*p; int result;
? 该函数将串 from复制到串 to中,并且返回一个指
向串 to的开始处的指针。
? 例如,strcpy(s3,s1); //s3=“dirtreeformat”
13北京邮电大学自动化学院
? ( 3)联接 (concatenation)
? char s1[20]=“dirtreeformat”,s2[20]=“file.mem”;
? char s3[30],*p; int result;
三、串的基本操作
? char strcat(char to,char from)
? 该函数将串 from复制到串 to的末尾,并且返回一指向串
to的开始处的指针。
? 例如,strcat(s3,”/”)
? strcat(s3,s2); //s3=“dirtreeformat/file.mem”
14北京邮电大学自动化学院
? (4)串比较( compare)
三、串的基本操作
? char s1[20]=“dirtreeformat”,s2[20]=“file.mem”;
? char s3[30],*p; int result;
? int strcmp(chars1,char s2);
? 该函数比较串 s1和串 s2的大小,当返回值小于 0,等于 0或大于
0时,分别表示 s1<s2,s1=s2或 s1>s2
? 例如,result=strcmp(“baker”,”bake”) result>0
? result=strcmp(“12”,”12”); result=0
? result=strcmp(“Joe”,“Joseph”); result<0
15北京邮电大学自动化学院
? ( 5)字符定位 (index)
三、串的基本操作
? char s1[20]=“dirtreeformat”,s2[20]=“file.mem”;
? char s3[30],*p; int result;
? char strchr(char s,char c);
? 该函数是找 c在字符串中第一次出现的位置,若找到则返回该
位置,否则返回 NULL。
? if(p) strcpy( p,“.cpp”); s2=“file.cpp”
? 例如,p=strchr(s2,“.”); p 指向,file”之后的位置
16北京邮电大学自动化学院
? 上述串的操作是最基本的,其中后四个还有变种形式:
strncpy,strncat,strncmp,strnchr。串的其余操作可由
这些基本操作组合而成。
例 1、求子串
? 例 1、求子串 求子串的过程即为复制字符序列的过程,将串
S中的第 pos个字符开始长度为 len的字符复制到串 T中。
? void substr(string sub,string s,int pos,int len) {
? if(pos<0 || pos>strlen(s)-1 || len<0)
? error(“parameter error”)
? strncpy(sub,&s[pos],len); }
17北京邮电大学自动化学院
? 例 2、可利用 串比较,求串长和求子串等操作实现定位函数
Index( S,T,pos )串的定位。
例 2、串的定位
? Index (S,T,pos)
? 初始 条件,串 S和 T存在,T是非空串,
1≤pos≤StrLength(S)。
? 操作结果,若主串 S 中第 pos个字符之后存在和串 T 值相同
的子串,则返回它在主串 S 中第 pos个字符之后第一次出现
的位置;否则函数值为 0。
18北京邮电大学自动化学院
?“子串在主串中的位置”是指子串中的第一个字
符在主串中的位序。
例 2、串的定位
?假设 S = ?abcaabcaaabc ?,T = ?bca ?
?Index(S,T,1) = 2;
?Index(S,T,3) = 6;
?Index(S,T,8) = 0;
19北京邮电大学自动化学院
算法的基本思想为:
StrCompare(SubString(S,i,StrLength(T)),T )
S 串
T 串 T 串
i
pos n-m+1
0
例 2、串的定位
20北京邮电大学自动化学院
? int Index (String S,String T,int pos) {
? // T为非空串。若主串 S中第 pos个字符之后存在与 T相等的子串,
? // 则返回第一个这样的子串在 S中的 位置,否则返回 0
? If (pos>0) { n = StrLength(S); m = StrLength(T); i = pos;
? while ( i <= n-m+1) {
? SubString (sub,S,i,m);
? return 0; // S中不存在与 T相等的子串
? } // Index
? if (StrCompare(sub,T) != 0) ++i ;
? else return i ; } // while } // if
21北京邮电大学自动化学院
? 因为串是特殊的线性表,故其存储结构与线性表的存储结构
类似。只不过由于组成串的结点是单个字符。串有三种机内
表示方法,下面分别介绍。
4.2 串的表现和实现
? 1、定长顺序存储表示
? 定长顺序存储表示,类似于线性表的顺序存储结构,是用一
组地址连续的存储单元存储串值的字符序列。在串的定长顺
序存储结构中,按照预定义的大小,为每个定义的串变量分
配一个固定长度的存储区,则可用定长数组来如下描述。
? #define maxstrlen 255 //用户可在 255以内定义最大串长
? typedef unsigned char SString[MAXSTRLEN+1];
? //0号单元存放串长
22北京邮电大学自动化学院
? 串的实际长度可在这预定义长度的范围内随意,超过预定义
长度的值则被舍去,称之为,截断” 。
? 对于串长有两种办法:
? 一是如上述定义描述的那样以下标为 0的数组分量存放串的
实际长度; 用一个整数来表示串的长度,那么该长度减 1的
位置就是串值的最后一个字符的位置。此时顺序串的类型定
义和顺序表类似,
? 二是在串值后面加入一个不计入串长的结束标记符,例
如,C语言中以字符 ‵ \0′表示串值的终结,
1、定长顺序存储表示
23北京邮电大学自动化学院
1、定长顺序存储表示
? 求子串 SubString(&Sub,S,pos,len),求子串的过程即为复
制字符序列的过程,将串 S中从第 pos各字符开始长度为 len
的字符序列复制到串 Sub中。
? 显然,本操作不会有需要截断的情况,但有可能产生用户给
出的参数不符合操作的初始条件,当参数非法时,返回
ERROR。
? typedef struct{
? char ch[maxstrlen];
? int length;
? }SString; //其优点是涉及到串长操作时速度快。
24北京邮电大学自动化学院
? Status SubString (SString &S,SString S,int pos,int len) {
? //用 Sub返回串 S的第 pos个字符起长度为 len的子串。
? //其中,1≤pos≤StrLength(S) 且 0≤len≤StrLength(S)-
pos+1.
? If (pos<1 || pos>S[0] || len<0 || len>S[0]-pos+1)
? return ERROR;
? Sub[1..len]=S[pos..pos+len-1];
? } // SubString
? Sub[0]=len
? return OK;
求子串 SubString(&Sub,S,pos,len)
25北京邮电大学自动化学院
? 这种存储表示的特点是,仍以一组地址连续的存储单元存放串
值字符序列,但它们的存储空间是在程序执行过程中动态分配
而得。所以也称为 动态存储分配的顺序表 。
2、堆分配存储表示
? 在顺序存储结构中,实现串操作的原操作为“字符序列的复
制”,操作的时间复杂度基于复制的字符序列的长度。
? 克服这个弊病惟有不限定串长的最大长度,即动态分配串的
存储空间。
1、定长顺序存储表示
? 如果在操作中出现串值序列的长度超过上界 MAXSTRLEN
时,约定用截尾法处理,这种情况不仅在求连接串时可能发
生,在串的其它操作中,如插入、置换等也可能发生。
26北京邮电大学自动化学院
? 在 C语言中,存在一个称之为“堆”的自由存储区,并由 C语言
的动态分配函数 malloc()和 free()来管理。利用函数 malloc()为
每个新产生的串分配一块实际串长所需的存储空间,若分配成
功,则返回一个指向起始地址的指针,作为串的基址,同时,
为了以后处理方便,约定串长也作为存储结构的一部分。
? //串的堆分配存储表示
? typedef struct{
? char *ch;//若是非空串,则按串长分配存储区,否
则 ch为 NULL
? int length;/串长度
? }HString;
27北京邮电大学自动化学院
? 这种存储结构表示时的串操作仍是基于“字符序列的复制”
进行的。例如,串复制操作 StrCopy(&T,S)的实现算法是,若
串 T已存在,则先释放串 T所占空间,当串 S不空时,首先为
串 T分配大小和串 S长度相等的存储空间,然后将串的值复制
到串 T中;
? 又如串插入操作 StrInsert(&S,pos,T)的实现算法是,为串 S重
新分配大小等于串 S和串 T长度之和的存储空间,然后进行串
值复制。
2、堆分配存储表示
28北京邮电大学自动化学院
? Status SubInsert (HString &S,int pos,HString T) {
? //1≤pos≤StrLength(S)+1.在串 S的第 pos个字符之前插入串 T.
? If (pos<1 || pos>S.length+1) return ERROR;//pos不合法
? If (T.length){ //T非空,则重新分配空间,插入 T
? If(!(S.ch=(char*)realloc(S.ch,(S.length+T.length)*sizeof(ch
ar)))) exit (OVERFLOW);
? S.ch[pos-1..pos+ T.length-2]=T.ch[0..T.length-1]; //插入 T
? for(i=S.length-1;i>=pos-1;--i)//为插入 T而腾出位置
? S.ch[i+T.length]=S.ch[i];
2、堆分配存储表示
29北京邮电大学自动化学院
? S.length+=T.length;
? }
? Return OK;
? }//StrInsert
? 只含最小操作子集的 HString串类型的模块说明见 P76~
77。
2、堆分配存储表示
? 以上两种存储表示通常为高级程序设计语言所采用
? 由于堆分配存储结构的串既有顺序存储结构的特点,处理方
便,操作中对串长没有任何限制,更显灵活,因此在串处理
的应用程序中也常被选用。
30北京邮电大学自动化学院
? 顺序串上的插入和删除操作不方便,需要移动大量的字符。因
此,我们可用单链表方式来存储串值,串的这种链式存储结构
简称为链串。
3、串的链式存储结构
? typedef struct node{
? char data;
? struct node *next;
? }Lstring;
? 一个链串由头指针唯一确定。
? 这种结构便于进行插入和删除运算,但总的来说不如顺
序存储结构灵活,它占用存储量大且操作复杂。
31北京邮电大学自动化学院
? 为了提高存储密度,可使每个结点存放多个字符。通常将 结
点数据域存放的字符个数定义为结点的大小,显然,当结点
大小大于 1时,串的长度不一定正好是结点的整数倍,因此
要用特殊字符来填充最后一个结点,以表示串的终结。
? 对于结点大小不为 1
的链串,其类型定
只需对上述的结点
类型做简单的修改
即可。
? #define nodesize 80
? typedef struct node{
? char data[nodesize];
? struct node *next;
? }Lstring;
3、串的链式存储结构
32北京邮电大学自动化学院
? 显然,存储密度小(如节点大小为 1时),运算处理方便,然
而,存储占用量大。如果在串处理过程中需进行内、外存交
换的话,则会因为内外存交换操作过多而影响处理的总效
率。
存储密度 = 串值所占的存储位 实际分配的存储位
? 在链式存储方式中,节点大小的选择和顺序存储方式的格式
选择一样都很重要,它直接影响着串处理的效率。在各种串
的处理系统中,所处理的串往往很长或很多,这要求我们考
虑串值的存储密度。存储密度可定义为:
3、串的链式存储结构
33北京邮电大学自动化学院
? 实际应用时,可以根据问题所需来设置结点的大小。例
如, 在编辑系统中,整个文本编辑区可以看成是一个串,
每一行是一个子串,构成一个结点。即, 同一行的串用定
长结构 (80个字符 ),行和行之间用指针相联接。
? 串值的链式存储结构对某些操作,如联接操作等有一定方
便之处,但 总的说来不如另外两种存储结构灵活,它占用
存储量大且操作复杂。
? 此外,串值在链式存储结构时串操作的实现和线性表在链
表存储结构中的操作类似。
3、串的链式存储结构
34北京邮电大学自动化学院
? 这是串的一种重要操作,很多软件,若有“编辑”菜单项的
话,则其中必有“查找”子菜单项。首先,回忆一下串匹
配 (查找 )的定义,
4.3 串的模式匹配算法
? INDEX (S,T,pos)
? 初始条件,串 S 和 T 存在,T 是非空串,
1≤pos≤StrLength(S)。
? 操作结果,若主串 S 中存在和串 T 值相同的子串返回它在
主串 S 中第 pos 个字符之后第一次出 现 的位置 ; 否则函数值
为 0。
35北京邮电大学自动化学院
1、简单算法
? 模式匹配的最简单的做法是,用模式串 T中的字符依次与主
串 S的字符比较:
? t1 t2 t3 … t m
t1 t2 t3 … t m
? 如此反复比较,直至
主串 S中找到模式串 t
或者确定该模式不存
在为止。
? S1 S2 S3 … S m Sn
? 如果 t1=s1,t2=s2,…, tm=sm则匹配成功。否则必有某个
i(1<i<m),使得 ti不等于 si,这时可从主串 s中与 t1比较的字
符的下一个字符起(将串 t右移一个字符)再重新与模式串 t
中字符依次比较:
? S1 S2 S3 … S m Sm+1… S n
36北京邮电大学自动化学院
? 设 S=“abbaba”,T=“aba”,用上述做法进行模式匹配的过
程见下图:
? S,a b b a b a ? S:a b b a b a
(a) T3 ? S3
? S,a b b a b a
? T,a b a
(b) T1 ? S2
? ? T1 ? S3 ? (d)找到模式串
? T,a b a
? S,a b b a b a
? T,a b a
? T,a b a
37北京邮电大学自动化学院
S 串
T 串 T 串
i
pos n-m+1
S 串
T 串 T 串
i
j j>m
i
j
i
j
i
j
i>n
j

简单算法示意图
38北京邮电大学自动化学院
? int Index(SString S,SString T,int pos) {
? // 返回子串 T在主串 S中第 pos个字符之后的位置。若不存在,
则函数值为 0。 其中,T非空,0≤pos≤StrLength(S)。
? i = pos; j = 1;
? while (i <= S[0] && j <= T[0]) {
? if (S[i] == T[j]) { ++i; ++j; }// 继续比较后继字符
? else { i = i-j+2; j = 1; } // 指针后退重新开始匹配 }
? if (j > T[0]) return i-T[0];
? else return 0; } // Index
简单算法
39北京邮电大学自动化学院
2、简单模式算法分析
?上页的匹配过程易于理解,且在某些应用场合,如
文本编辑等,效率也较高,例如,在检查模式
,STING”是否存在于下列主串中时,,A STRING
SEARCHING EXAMPLE CONSISTING OF
SIMPLE TEXT”
?上述算法中的 while循环次数(即进行单个字符比较
的次数)为 41,恰好为( Index+T[0]-1)+4),这就是
说,除了主串中呈红色的四个字符,其它字符均只
和模式进行一次比较。在这种情况下,此算法的时
间复杂度为 O( n+m)。
40北京邮电大学自动化学院
? 例题 2,设主串 s=“ababcabcacbab”,模式 t=“abcac”,匹
配过程如下图所示。
? 第一趟
? 第二趟
? 第三趟
? 第四趟
? 第五趟
? 第六趟
41北京邮电大学自动化学院
? 然而,在有些情况下,该算法的效率却很低。
? 例如,当模式串,00000001”,而主串为,00000000000
000000000000000000000000000000000000000001”时,由
于模式中前 7个字符均为,0”,又,主串中前 52个字符均为
,0”,每趟比较都在模式的最后一个字符出现不等,此时需
将指针 i回溯到 i-6的位置上,并从模式的第一个字符开始重新
比较,整个匹配过程中指针需要回溯 45次,则 while的循环次
数为 46*8。可见算法在最坏情况下的时间复杂度为 O(n*m)。
? 这种情况在只有 0,1两种字符的文本串处理中经常出现,因
为在主串中可能存在多个和模式串“部分匹配”的子串,因
而引起指针 i的多次回溯。
? 0,1串可以用在许多应用之中。(需要改进)
42北京邮电大学自动化学院
3、模式匹配的改进算法
?这种改进算法是 D.E.Knuth,V.R.Pratt和 J.H.Morris
同时发现的,因此人们称它为 克努特 —莫里斯 —普
拉特操作(简称为 KMP算法) 。此算法可以在 O
( n+m)的时间数量级上完成串的模式匹配操作。
?改进算法,每当一趟匹配过程中出现字符比较不等
时,不需回溯 i指针,而是利用已经得到的“部分匹
配”的结果将模式 向右“滑动”尽可能远的一段距
离后,继续进行比较。
?下面先从具体例子看起。
43北京邮电大学自动化学院
? 回顾例 2中的匹配过程,在第三趟匹配过
程中,s3 ~ s6和 t1~ t4是匹配成功的,s7≠t5
匹配失败,又从 i=4,j=1开始重新开始
比较。
? 因为从第 3趟部分匹配的结果就可得出,主串中第 4,5和 6个
字符必然是’ b?、’ c?和’ a?。因为模式中的第 1个字符
是’ a?,因此它无需再和这 3个字符进行比较,而仅需将模式
向右滑动 3个字符的位置继续进行 i=7,j=2时的字符比较即
可。
? i=4,j=1
? i=5,j=1
? i=6,j=1
44北京邮电大学自动化学院
? 同理,在第 1趟匹配中出现字符不等时 仅需将模式向右移动二个
字符的位置继续进行 i=3,j=1的字符比较。
? 由此在整个匹配的过程中 i 指
针没有回溯。
? 改进算法的匹配过程如下图
所示。
45北京邮电大学自动化学院
?现在讨论一般情况。假设主串为,S1,S2
S3,…S n”,模式串为,t1 t2 … t m”,为了实现改
进算法,需要解决下述问题:
?当匹配过程中产生“失配”(即 Si不等于 tj)时,模式
串“向右滑动”可行的距离多远,换句话说,当主
串中第 i个字符和模式中第 j个字符“失配”(即比较
不等 )时,主串中第 i字符(指针 i不回溯)应与模式
中的哪个字符再比较?
3、模式匹配的改进算法
46北京邮电大学自动化学院
? 假设此时应与模式中第 k (k<j)个字符继续比较,则模式中前 k-
1个字符的子串必须满足下列关系式 (4-1),且不可能存在 k?>k
满足下列关系式( 4-1):
? 而本趟匹配失败是在 si和 tj之处,已经得到的部分匹配结果是
?,t1 t2 … t k-1, =“si-k+1 si-k+2 … s i-1” (4-1)
? (4-1)式左边是 tk前面的 k-1个字符,右边是 si 前面的 k-1个字符。
?,t1 t2 … t j-1” =“si-j+1 si-j+2 … si-1” (4-2)
? 因为 k<j,所以有:
?,tj-k+1 tj-k+2 … t j-1” =“si-k+1 si-k+2 …s i-1” (4-3)
3、模式匹配的改进算法
47北京邮电大学自动化学院
?,tj-k+1 tj-k+2… t j-1” =“si-k+1 si-k+2…s i-1” (4-3)
? 反之,若模式串中存在满足( 4-4)的两个子串,则当匹配
过程中,主串第 i个字符与模式中第 j个字符比较不等时,仅
需将模式向右滑动至模式中第 k个字符和主串中第个 i字符对
齐。
? ( 4-3)式左边是 tj前面的 k-1个字符,右边是 si前面的 k-1个字
符,通过 (4-1)和 (4-3)得到关系:
?,t1 t2 … t k-1” =“tj-k+1 tj-k+2 … t j-1” (4-4)
?,t1 t2 … t k-1, =“si-k+1 si-k+2 … s i-1” (4-1)
3、模式匹配的改进算法
48北京邮电大学自动化学院
?,t1 t2 … t k-1” =“tj-k+1 tj-k+2 … t j-1” (4-4)
? 反之,若模式串中存在满足( 4-4)的两个子串,则当匹配
过程中,主串第 i个字符与模式中第 j个字符比较不等时,仅
需将模式向右滑动至模式中第 k个字符和主串中第个 i字符对
齐。
? 此时,模式中头 k-1个字符的子串,t1 t2 … t k-1, 必定与主
串中第 i个字符之前长度为 k-1的字串,si-k+1 si-k+2 …s i-1,
相等,由此,匹配仅需从模式中第 k个字符与主串中第 i个字
符处,继续进行比较。
3、模式匹配的改进算法
49北京邮电大学自动化学院
?若令 next[j]=k,则 next[j]表明当模式中第 j个字符与
主串中相应字符“失配”时,在模式中需要重新和
主串中该字符进行比较的位置。由此可引出模式串
的 next函数的定义:
?
?
?
?
?
?
?
?
?
?
?
?
?
???
?
?
??
?
?
其他情况
时当
1
"
11
""
11
"1|m a x
10
][
j
t
kj
t
k
ttjkk
j
jn ext ??
?在求得模式的 next函数后,匹配可如下进行,假设以
指针 i和 j分别指示主串和模式中正待比较的字符,令 i
的初值为 pos,j的初值为 1。
3、模式匹配的改进算法
50北京邮电大学自动化学院
? 若在匹配过程中 si=tj,则 i和 j分别增1 ;
? 若 si≠tj 匹配失败后,则 i不变,j退到 next[j]位置再比较,
? 若相等,则指针各自增1,
? 否则 j再退到下一个 next值的位置,依此类推。直至
下列两种情况:
? 一种是 j退到某个 next值时字符比较相等,则 i和 j分别增1继
续进行匹配 ;
? 另一种是 j退到值为零(即模式的第一个字符“失配”),
则此时 i和 j也要分别增1,表明从主串的下一个字符起和模
式重新开始匹配。
3、模式匹配的改进算法
51北京邮电大学自动化学院
? while (i <= S[0] && j <= T[0]) {
? if (j = 0 || S[i] == T[j]) { ++i; ++j; } // 继续比较后继字符
3、模式匹配的改进算法
? int Index_KMP(SString S,SString T,int pos) {
? // 1≤pos≤StrLength(S)
? i = pos; j = 1;
? else j = next[j]; // 模式串向右移动
? }//while
? if (j > T[0]) return i-T[0]; // 匹配成功
? else return 0; } // Index_KMP
52北京邮电大学自动化学院
? 由以上讨论知,next函数值仅取决于模式本身而和主串无
关。我们可以从分析 next函数的定义出发用递推的方法求得
next函数值。
4,next 函数值
? 由定义知,next[1]=0 (4-5)
? 设 next[j]=k,这表明在模式串中存在下列关系:
?,t1 t2 … t k-1, =“tj-k+1 tj-k+2 … t j-1, (4-6)
? 其中 k为满足 1<k<j的某个值,并且不可能存在 k?>k满足上
式,此时 next[j+1]=? 可能有两种情况:
53北京邮电大学自动化学院
? 第一种情况:若 tk = tj 则表明在模式串中
? 第二种情况:若 tk≠tj 则表明在模式串中
? 此时可把求 next函数值的问题看成是一个模式匹配问题,整
个模式串既是主串又是模式,而当前在匹配的过程中,已有
(4-6)式成立,则当 tk≠tj 时应将模式向右滑动,使得第
next[k]个字符和“主串”中的第 j个字符相比较。
?,t1 t2 … t k, =“tj-k+1 tj-k+2 … t j, (4-7)
? 即 next[j+1]=next[j]+1 (4-8)
?,t1 t2 … t k”≠“tj-k+1 tj-k+2 … t j, (4-9)
4,next 函数值
?,t1 t2 … t k-1, =“tj-k+1 tj-k+2 … t j-1, (4-6)
54北京邮电大学自动化学院
? 因此,next[j+1]=next[k]+1 (4-11)
? 若 next[k]=k′,且 t k?= tj,则说明在主串中第 j+1个字符之前
存在一个最大长度为 k′的子串,使得
?,t1t2…t k?”=“tj-k?+1 t j- k?+2 …t j” (4-10)
? 同理若 t k′ ≠tj,则将模式继续向右滑动至使第 next[k′]个字符
和 tj 对齐。
? 依此类推,直至 tj 和模式中的某个字符匹配成功或者不存在
任何 k′(1< k′<k <…<j) 满足 (4.10),则有:
? next[j+1]=1 (4-12)
4,next 函数值
55北京邮电大学自动化学院
? 例题:已知模式串 t=“abcaababc”中前 6个字符的 next
函数值,求 next[7],next[8]
j 1 2 3 4 5 6 7 8
模式 a b a a b c a c
Next[j] 0 1 1 2 2 3 1 2
? Next[6]=3,t6 ≠ t3,则需要比较 t6和 t1(next[3]=1),这相当于将
子串模式向右滑动。又由于 t6≠ t1,而且 next[1]=0,所以
next[7]=1
? Next[7]=1,t7=t1,则 ? Next[8]=next[7]+1=8
4,next 函数值
56北京邮电大学自动化学院
? void get_next(SString &T,int &next[] ) {
? // 求模式串 T的 next函数值并存入数组 next。
? i = 1; next[1] = 0; j = 0;
? while (i < T[0]) {
? if (j == 0 || T[i] == T[j])
? {++i; ++j; next[i] = j; }
? else j = next[j]; }
? } // get_next
4,next 函数值
57北京邮电大学自动化学院
? next存在的问题,例如:
? S = ?aaabaaabaaabaaabaaab?
? T = ?aaaab?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
1
4
2
4
3
4
j
i
j
i
j
i
? i=4,j=4时,S4≠ t4,由 next[j]的指示还需要进行
? 等三次比较
? 实际上,因为模式中第 1,2,3个字符和第 4个字符都相等,
因此不需要再和这主串第 4个字符比较,而可以将模式一气向
右滑动 4个字符的位置直接进行 i=5,j=1时的字符比较。
4,next 函数值
? next[j]= 01234,nextval[j]=00004
58北京邮电大学自动化学院
? 实际上,因为模式中第 1,2,3个字符和第 4个字符都相等,
因此不需要再和这主串第 4个字符比较,而可以将模式一气
向右滑动 4个字符的位置直接进行 i=5,j=1时的字符比较。
next[j]= 01234,nextval[j]=00004
? 这就是说,若按上述定义得到 next[j]=k,而模式中 tj=tk,则
当主串中字符 si和 tj比较不相等时,不需要再和 tk进行比较,
而直接和 next[k]进行比较,换句话说,此时的 next[j]应和
next[k]相同。
? 由此可得计算 next函数修正值的算法。
4,next 函数值
59北京邮电大学自动化学院
? void get_nextval(SString &T,int &nextval[]) { i = 1;
nextval[1] = 0; j = 0;
? while (i < T[0]) {
? if (j == 0 || T[i] == T[j]) {
? ++i; ++j;
? if (T[i] != T[j]) nextval[i] = j;
? else nextval[i] = nextval[j]; }
? else j = nextval[j]; }
? } // get_nextval
4,next 函数值
60北京邮电大学自动化学院
4.4 串操作应用举例
? 1、文本编辑
? 文本编辑程序是一个面向用户的系统服务程序,广泛用于
源程序的输入和修改。文本编辑的实质就是修改数据的形
式和或格式。虽然各种文本编辑程序的功能不同,但其基
本操作是一致的,一般都包括串的查找、插入和删除等基
本操作。
? 为了编辑的方便,用户可以利用换页符和换行符把文本划
分为若干页。每页有若干行。我们可以把文本看成是一个
字符串,称为文本串。页则是文本串的子串,行又是页的
子串。
61北京邮电大学自动化学院
? 图中 ?为换行符。
本文编辑
? 比如有下列一段源程序
? Main(){
? Float a,b,max;
? Scanf(“%f,%f”,&a,&b);
? If a>b max=a;
? Else max=b;
? };
62北京邮电大学自动化学院
行 号 起 始 地 址 长 度
100 201 8
101 209 17
102 226 24
103 267 17
104 282 15
105 282 2
? 为了管理文本串的页和行,在进入文本编辑的时候,编辑程序
先为文本串建立相应的页表和行表,即建立各子串的存储映
像。页表的每一项给出了页号和该页的起始行号。而行表的每
一项则指示每一行的行号、起始地址和该行子串的长度。
? 假设上页所示文本只占一页,且起始行号为 100,则该文本
串的行表如下图所示。
本文编辑
63北京邮电大学自动化学院
? 文本编辑程序中设立页指针、行指针和字符指针,分别指示当
前操作的页、行和字符。
? 如果在某行内插入或删除若干字符,则要修改行表中该行的
长度。若该行的长度超出了分配给它的存储空间,则要为该
行重新分配存储空间,同时还要修改该行的起始位置。
本文编辑
? 如果要插入或删除一行,就要涉及行表的插入和删除。若被
删除的行是所在页的起始行,则还要修改页表中相应页的起
始行号(修改为下一行的行号)。
? 为了查找方便,行表是按行号递增顺序存储的,因此,对行
表进行的插入或删除运算需移动操作位置以后的全部表项。
64北京邮电大学自动化学院
?1、掌握串的相关概念
?2、掌握串的存储结构及基本运算的实现
?3,熟练掌握 KMP算法的基本思想及模式匹配过程。
?4、灵活运用串的特点解决复杂的应用问题。
第四章 学习要点
65北京邮电大学自动化学院
第四章 作业
? 一、选择题
? 1、空串与空白串是相同的,这种说法 B 。
? ( A)正确 ( B)不正确
? 2、串是一种特殊的线性表,其特殊性体现在 D 。
? ( A)可以顺序存储 ( B)数据元素是一个字符
? ( C)可以链接存储 ( D)数据元素可以是多个字符
? 3,D 是 C语言中” abcd321ABCD”的子串。
? ( A) abcd ( B) 321AB( C)” abcABC” (D)”21AB”
66北京邮电大学自动化学院
?二、填空题
?1、两个串相等的充分必要条件 是 。
?2、空串是,其长度等于 。
?3、空白串是 其长度等于 。
?4、模式串 t=?abaabcac”的 next函数值序列
为, nextval函数值序列为 。
第四章 作业