84 lines
2.7 KiB
Python
84 lines
2.7 KiB
Python
#!/usr/bin/python
|
||
# -*- coding: UTF-8 -*-
|
||
|
||
|
||
def kmp(main, pattern):
|
||
"""
|
||
kmp字符串匹配
|
||
:param main:
|
||
:param pattern:
|
||
:return:
|
||
"""
|
||
assert type(main) is str and type(pattern) is str
|
||
|
||
n, m = len(main), len(pattern)
|
||
|
||
if m == 0:
|
||
return 0
|
||
if n <= m:
|
||
return 0 if main == pattern else -1
|
||
|
||
# 求解next数组
|
||
next = get_next(pattern)
|
||
|
||
j = 0
|
||
for i in range(n):
|
||
# 在pattern[:j]中，从长到短递归去找最长的和后缀子串匹配的前缀子串
|
||
while j > 0 and main[i] != pattern[j]:
|
||
j = next[j-1] + 1 # 如果next[j-1] = -1，则要从起始字符取匹配
|
||
|
||
if main[i] == pattern[j]:
|
||
if j == m-1:
|
||
return i-m+1
|
||
else:
|
||
j += 1
|
||
return -1
|
||
|
||
|
||
def get_next(pattern):
|
||
"""
|
||
next数组生成
|
||
|
||
注意：
|
||
理解的难点在于next[i]根据next[0], next[1]…… next[i-1]的求解
|
||
next[i]的值依赖于前面的next数组的值，求解思路：
|
||
1. 首先取出前一个最长的匹配的前缀子串，其下标就是next[i-1]
|
||
2. 对比下一个字符，如果匹配，直接赋值next[i]为next[i-1]+1，因为i-1的时候已经是最长
|
||
*3. 如果不匹配，需要递归去找次长的匹配的前缀子串，这里难理解的就是递归地方式，next[i-1]
|
||
是i-1的最长匹配前缀子串的下标结尾，则 *next[next[i-1]]* 是其次长匹配前缀子串的下标
|
||
结尾
|
||
*4. 递归的出口，就是在次长前缀子串的下一个字符和当前匹配 或 遇到-1，遇到-1则说明没找到任
|
||
何匹配的前缀子串，这时需要找pattern的第一个字符对比
|
||
|
||
ps: next[m-1]的数值其实没有任何意义，求解时可以不理。网上也有将next数组往右平移的做法。
|
||
:param pattern:
|
||
:return:
|
||
"""
|
||
m = len(pattern)
|
||
next = [-1] * m
|
||
|
||
next[0] = -1
|
||
|
||
# for i in range(1, m):
|
||
for i in range(1, m-1):
|
||
j = next[i-1] # 取i-1时匹配到的最长前缀子串
|
||
while j != -1 and pattern[j+1] != pattern[i]:
|
||
j = next[j] # 次长的前缀子串的下标，即是next[next[i-1]]
|
||
|
||
# 根据上面跳出while的条件，当j=-1时，需要比较pattern[0]和当前字符
|
||
# 如果j!=-1，则pattern[j+1]和pattern[i]一定是相等的
|
||
if pattern[j+1] == pattern[i]: # 如果接下来的字符也是匹配的，那i的最长前缀子串下标是next[i-1]+1
|
||
j += 1
|
||
next[i] = j
|
||
|
||
return next
|
||
|
||
|
||
if __name__ == '__main__':
|
||
m_str = "aabbbbaaabbababbabbbabaaabb"
|
||
p_str = "abbabbbabaa"
|
||
|
||
print('--- search ---')
|
||
print('[Built-in Functions] result:', m_str.find(p_str))
|
||
print('[kmp] result:', kmp(m_str, p_str))
|