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;
}

   

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

posted @ 2011-09-07 11:45  xiaodongrush  阅读(7229)  评论(3编辑  收藏