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 <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
