2. 程式人生 > >KMP演算法與樸素模式匹配演算法（C語言）

KMP演算法與樸素模式匹配演算法（C語言）

阿新 • • 發佈：2019-02-13

在上一篇部落格中介紹了KMP演算法和樸素模式匹配演算法的區別，本文主要針對這兩種演算法的C語言實現進行講解。

#include<stdio.h>
#define OK 0
#define ERROR -1
#define FAILED 1
int readFile(char **buffer) {
    FILE *fp;
    int length;
    int error;
    fp = fopen("readFile.txt", "rt");
    if (fp == NULL) {
        printf("open file failed!\n");
        return
 
 ERROR;
    }
    fseek(fp, 0, SEEK_SET);
    fseek(fp, 0, SEEK_END);
    length = ftell(fp);
    (*buffer) = (char *)malloc(length);
    if ((*buffer) == NULL) {
        printf("malloc failed!\n");
        return ERROR;
    }

    fseek(fp, 0, SEEK_SET);
    error = fread((*buffer), sizeof(char), length
 
 / sizeof(char), fp);
    if (error == 0 ) {
        printf("Read file failed!\n");
        return ERROR;
    }
    fclose(fp);
    return OK;
}
//樸素的模式匹配演算法
int index(char *buffer, char *check, int *inx,
    int sizeBuffer,int sizeCheck) {
    int i = *inx;
    int j = 0;
    while (i < sizeBuffer && j < sizeCheck) {
        if
 
 (buffer[i] == check[j]) {
            i++;
            j++;
        }
        else {
            i = i - j+1;
            j = 0;
        }
    }
    if (j == sizeCheck)
        *inx = i - sizeCheck;
    else
        return FAILED;
    return OK;
}
//KMP模式匹配演算法
//計算next陣列
int compNext(char *check, int *next, int sizeCheck) {
    int j = 1;
    int i = 0;
    int count = 0;
    while (j < sizeCheck-1) {
        if (check[i] == check[j]) {
            i++;
            count++;
            j++;
            next[j] = count;    
        }
        else {
            count = 0;
            if (i == 0) {
                j++;
                next[j] = i;
            }
            else 
                i--;        
        }   
    }
//  for (i = 0; i < sizeCheck; i++) {
//      printf("%d", next[i]);
//  }
    return OK;
}
//KMP字元匹配
int index_kmp(char *buffer, char *check,
    int sizeCheck, int sizeBuffer, int *inx) {
    int i = *inx;
    int j = 0;
    int flag = 0;
    int count = 0;
    int next[5] = { 0 };
    compNext(check, next, sizeCheck);
    while (i <sizeBuffer && j<sizeCheck) {
        if (buffer[i] == check[j]) {
            i++;
            j++;
        }
        else {
            if (j == 0)
                i++;
            j = next[j];
        }
    }
    if (j == sizeCheck)
        *inx = i - sizeCheck;
    else
        return FAILED;
    return OK;
}
int main() {
    int error;
    char *buffer;
    char checkChar[6] = "aware";
    int i = 0;
    int flag = 0;
    int count = 0;
    int inx = 0;
    int sizeCheck = sizeof(checkChar)/sizeof(char)-1;
    error = readFile(&buffer);
    if (error == ERROR) {
        getchar();
    }
    while (buffer[i] != '\0') {
        for (int j = 0; j < sizeCheck; j++) {
            if (checkChar[j] == buffer[i + j])
                flag++;
        }
        if (flag == 5) 
            count++;
        flag = 0;
        i++;    
    }
    printf("The total number is %d\n", count);
    printf("The local of them are:\n");
    while (error != 1) {
        error = index(buffer, checkChar, &inx, i, sizeCheck);
        if (error == OK) {
            printf("%d\n", inx);
        }
        inx = inx + 4;
    }
    inx = 0;
    error = 0;
    printf("The local of them are:\n");
    while (error != 1) {
        error = index_kmp(buffer, checkChar, sizeCheck, i,&inx);
        if (error == OK) {
            printf("%d\n", inx);
        }
        inx = inx + 4;
    }
    free(buffer);
    return 0;
}

本文的程式碼主要包含120行到130行，求取該文字中aware的個數；132行到138行，利用樸素模式匹配方法求著8個單詞的位置；142行到148行利用KMP演算法求8個單詞的位置；
感興趣的朋友可以利用樸素匹配方法和KMP演算法求單詞總數；
下面針對程式碼進行說明：
樸素模式匹配方法：

int index(char *buffer, char *check, int *inx,
    int sizeBuffer,int sizeCheck) {
    int i = *inx;
    int j = 0;
    while (i < sizeBuffer && j < sizeCheck) {
        if (buffer[i] == check[j]) {
            i++;
            j++;
        }
        else {
            i = i - j+1;
            j = 0;
        }
    }
    if (j == sizeCheck)
        *inx = i - sizeCheck;
    else
        return FAILED;
    return OK;
}

跳出while迴圈的條件有兩個，i大於等於文件字元總數（sizeBuffer）或者j大於匹配字串字元總數（本文是5:aware）。
當有5個字元連續匹配成功，則j為5，跳出迴圈；*inx = i - sizeCheck;計算出單詞起始位置。
inx表示開始查詢的位置；

KMP演算法
next陣列的求取

//計算next陣列
int compNext(char *check, int *next, int sizeCheck) {
    int j = 1;
    int i = 0;
    int count = 0;
    while (j < sizeCheck-1) {
        if (check[i] == check[j]) {
            i++;
            count++;
            j++;
            next[j] = count;    
        }
        else {
            count = 0;
            if (i == 0) {
                j++;
                next[j] = i;
            }
            else 
                i--;        
        }   
    }
//  for (i = 0; i < sizeCheck; i++) {
//      printf("%d", next[i]);
//  }
    return OK;
}

請注意這裡的i和j與上一篇博文中的i和j意義不同，上一篇文章中的i表示文字的索引；j表示匹配字串的索引；這篇文章中i表示匹配字串字首的索引，j表示字尾的索引；
j的取值最大為當前字元的前一個字元，所以為aware中j最大取到r及j=0到j=3；所以j小於sizeChar.
當check[i] == check[j]成立，count增加，同時i和j繼續增加；
若不成立
說明字元不是連續相等，計數器count清零；
此時，如果字首索引為0及第一個字母，則字尾需要向後增加一個字元；否則字尾不變，字首向前移動一個字元；
關於i的回溯；
舉個例子：
ababaaba
第一個字元和第二個字元不相等；
那麼以後無論哪個字元從第二個字元b開始的字尾都不可能和字首相等；以為第二個b開始的字尾對應的是第一個a開始的字首；
此時最大的前後綴只能是以第三個a開始的字尾；
本程式的回溯存在一些問題，但是目前測試的字串計算的結果都是正確的，以後發現更好的回溯方法再更正，歡迎指正；
關於next陣列的求取辦法及詳細程式碼實現分析和i的回溯問題請檢視如下部落格：
http://blog.csdn.net/u011028771/article/details/52993198
http://blog.csdn.net/u011028771/article/details/52966473
KMP程式

//KMP字元匹配
int index_kmp(char *buffer, char *check,
    int sizeCheck, int sizeBuffer, int *inx) {
    int i = *inx;
    int j = 0;
    int flag = 0;
    int count = 0;
    int next[5] = { 0 };
    compNext(check, next, sizeCheck);
    while (i <sizeBuffer && j<sizeCheck) {
        if (buffer[i] == check[j]) {
            i++;
            j++;
        }
        else {
            if (j == 0)
                i++;
            j = next[j];
        }
    }
    if (j == sizeCheck)
        *inx = i - sizeCheck;
    else
        return FAILED;
    return OK;
}

仔細觀察就會發現，樸素匹配是

else {
            i = i - j+1;
            j = 0;
        }

而KMP演算法是

else {
            if (j == 0)
                i++;
            j = next[j];
        }

可以看到二者的區別是i值得變化；樸素匹配法回溯的是i值；KMP演算法回溯的是j值；所以對於匹配字串中相同的字串比較多時，KMP演算法的效率會優於樸素匹配；若匹配字串中字元全部不相同，KMP演算法優勢並不明顯。
關於KMP演算法還有改進的方法，以後會繼續討論。
這裡寫圖片描述

歡迎指正

相關推薦

KMP演算法與樸素模式匹配演算法（C語言）

在上一篇部落格中介紹了KMP演算法和樸素模式匹配演算法的區別，本文主要針對這兩種演算法的C語言實現進行講解。 #include<stdio.h> #define OK 0 #define ERROR -1 #define FAILED 1 in

遺傳演算法求多項式最小值（C語言）

問題：在下面的程式中將要運用遺傳演算法對一個多項式求最小值： y=x^6-10x^5-26x^4+344x^3+193x^2-1846x-1680 要求在(-8,8)間尋找使表示式達到最小的x，誤差為0.001。 問題分析：

演算法提高 8-1因式分解（c語言）

**問題描述 　　設計演算法，使用者輸入合數，程式輸出若個素數的乘積。例如，輸入6，輸出23。輸入20，輸出22*5。**例： 資料規模和約定 　　輸入資料中每一個數在int表示範圍內。 　法一：程式程式碼如下 #include<stdio.h> int isprime(

八大排序演算法之三簡單選擇排序（c語言）

選擇排序—簡單選擇排序（Simple Selection Sort） 基本思想： 在要排序的一組數中，選出最小（或者最大）的一個數與第1個位置的數交換；然後在剩下的數當中再找最小（或者最大）的與第2個位置的數交換，依次類推，直到第n-1個元素（倒數第二個數）和第n個元

二叉搜尋樹的查詢、插入、刪除的遞迴與非遞迴實現（C語言）

【概念】 什麼是二叉搜尋樹？ 二叉搜尋樹又稱二叉排序樹（按照中序遍歷，可以得到一組有序的序列），它或者是一顆空樹，或者是具有以下性質的二叉樹： 若他的左子樹不為空，則左子樹上所有節點的值都小於根結點的值。 若他的

演算法4-6：KMP字串模式匹配演算法實現 （c語言）

[提交] [統計] [提問] 題目描述 KMP演算法是字串模式匹配演算法中較為高效的演算法之一，其在某次子串匹配母串失敗時並未回溯母串的指標而是將子串的指標移動到相應的位置。嚴蔚敏老師的書中詳細描述了KMP演算法，同時前面的例子中也描述了子串移動位置的陣列實現的演算法。前面你已經實現

演算法4-7：KMP演算法中的模式串移動陣列（c語言）

題目描述 字串的子串定位稱為模式匹配，模式匹配可以有多種方法。簡單的演算法可以使用兩重巢狀迴圈，時間複雜度為母串與子串長度的乘積。而KMP演算法相對來說在時間複雜度上要好得多，為母串與子串長度的和。但其算符比較難以理解。 在KMP演算法中，使用到了一個next陣列。這個陣列就是在比較

Linux學習筆記（演算法與資料結構）之 佇列程式碼（C語言）

1、程式碼在VS2010的C++編譯器中編譯通過，可能有極少部分語法不符合C89標準；bool型別無法使用，用int代替 2、由於VS配置問題，沒有分.c和.h檔案書寫；如果要分，最好將Create_Node和Destory_Node加上static關鍵字修飾，他們只會在所

Linux學習筆記（演算法與資料結構）之 二叉搜尋樹程式碼（C語言）

1、程式碼在VS2010的C++編譯器中編譯通過，可能有極少部分語法不符合C99標準；bool型別無法使用，用int代替 2、由於VS配置問題，沒有分.c和.h檔案書寫；如果要分，最好將Create_Node和Destory_Node加上static關鍵字修飾，他們只會在所

資料結構與演算法（C語言） | 二叉排序樹

二叉排序樹的定義—— 二叉排序樹 ( Binary Sort Tree) 或者為空；或者是具有如下特性的二叉樹： （1）若根的左子樹不空，則左子樹上所有結點的關鍵字均小於根結點的關鍵字； （2）若

機器學習演算法之樸素貝葉斯（Naive Bayes）--第二篇

引言 這篇文章主要介紹將樸素貝葉斯模型應用到文字分類任務的技巧和方法。 詞袋模型(The Bag of Words Model) 對於機器學習演算法來說，特徵的選擇是一個很重要的過程。那麼如何從文字訓練集中選出好的特徵呢？在自然語言處理中，一個常見

六大排序演算法與常見的兩大查詢演算法彙總（C語言）

六大排序演算法程式如下： #include<stdio.h> /*void Bubblesort(int arry[],int len)//氣泡排序演算法 { int i,j; for(i=0;i<len-1;i++) { for(j=i+1;j<le

機器學習演算法之樸素貝葉斯（Naive Bayes）--第一篇

引言 先前曾經看了一篇文章，一個老外程式設計師寫了一些很牛的Shell指令碼，包括晚下班自動給老婆發簡訊啊，自動衝Coffee啊，自動掃描一個DBA發來的郵件啊， 等等。於是我也想用自己所學來做一點有趣的事情。我的想法如下： 首先我寫個scrapy指令碼來

資料結構與演算法（C語言） | 線性表（順序儲存、鏈式儲存）

   線性表是最常用最簡單的線性結構    線性結構具有以下基本特徵: 線性結構是一個數據元素的有序（次序）集(處理元素有限)。若該集合非空，則 1)必存在唯一的一個“第一元素”； 2)必存在唯一的一個“最後元素”； 3)除第一元素之外，其餘每個元素均有唯一的前

演算法7-6：圖的遍歷——廣度優先搜尋（c語言）

[提交] [統計] [提問] 題目描述 廣度優先搜尋遍歷類似於樹的按層次遍歷的過程。其過程為：假設從圖中的某頂點v出發，在訪問了v之後依次訪問v的各個未曾被訪問過的鄰接點，然後分別從這些鄰接點出發依次訪問它們的鄰接點，並使“先被訪問的頂點的鄰接點”先於“後被訪問的頂點的鄰接點”被訪問

演算法7-4,7-5：圖的遍歷——深度優先搜尋（c語言）

[提交] [統計] [提問] 題目描述 深度優先搜尋遍歷類似於樹的先根遍歷，是樹的先根遍歷的推廣。其過程為：假設初始狀態是圖中所有頂點未曾被訪問，則深度優先搜尋可以從圖中的某個頂點v出發，訪問此頂點，然後依次從v的未被訪問的鄰接點出發深度優先遍歷圖，直至圖中所有和v有路徑相通的頂點都

演算法3-2：行編輯程式 （c語言）

: 演算法3-2：行編輯程式 時間限制：1 Seconds 記憶體限制：32 Mbyte 總提交：65 正確：9 作者：外部匯入 [提交] [統計] [提問] 題目描述 一個簡單的行編輯程式的功能是：接收使用者從終端輸入的程式或資料，並存入使用者的資料區。由於使用者在終端上進

演算法7-15：迪傑斯特拉最短路徑演算法（c語言）

題目描述 在帶權有向圖G中，給定一個源點v，求從v到G中的其餘各頂點的最短路徑問題，叫做單源點的最短路徑問題。 在常用的單源點最短路徑演算法中，迪傑斯特拉演算法是最為常用的一種，是一種按照路徑長度遞增的次序產生最短路徑的演算法。 可將迪傑斯特拉演算法描述如下： 在本題中，讀入

Leetcode演算法題（C語言）1

題目描述：給定一個整數陣列和一個目標值，找出陣列中和為目標值的兩個數。 你可以假設每個輸入只對應一種答案，且同樣的元素不能被重複利用。 示例: 給定 nums = [2, 7, 11, 15], ta

關於虛擬機器（VMware） 中橋接模式與nat模式的區別（個人總結）

一、橋接模式 1.本人通過網上的的查詢得到的答案是，橋接模式使用的是區域網模式，關聯的同時不會對主機網路產生很大的影響，但是我在配置的時候遇到的問題就是在不同的環境下，每次的ip地址都不一樣，導致每次都需要重新配置，橋接模式試用與在固定的網路下面使用，本人也通過配置靜態ip