长春机械加工厂:一步一步写算法（之字符串查找 下篇）

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】

前面我们谈到了KMP算法，但是讲的还不是很详细。今天我们可以把这个问题讲的稍微详细一点。假设在字符串A中寻找字符串B，其中字符串B的长度为n，字符串A的长度远大于n，在此我们先忽略。

假设现在开始在字符串A中查找，并且假设双方在第p个字符的时候发现查找出错了，也就是下面的情况：

view plaincopy to clipboardprint?

1. /*
2. * A: A1 A2 A3 A4 ... Ap ............
3. * B: B1 B2 B3 B4 ... Bp ...Bn
4. * (p)
5. */

那么这时候，A有什么选择呢？它可以左移1位，用A2~A(p-1)比较B1~B(p-2)，然后再用A(p)~A(n+1)比较B(p-1)~B(n)位；或者左移2位，用A3~A(p-1)比较B1~B(p-3)，然后再用A(p)~A(n+2)比较B(p-2)~B(n)位； 依次类推，直到左移（p-2）位，用A(p-1)比较B(1)，然后再用A(p)~A(p+n-2)比较B(2)~B(n)位。

不知道细心的朋友们发现什么规律没？因为A和B在前面（p-1）个数据是相等的，所以上面的计算其实可以这样看：用A2~A(p-1)比较B1~B(p-2)，实际上就是B2~B(p-1)比较B1~B(p-2)； 用A3~A(p-1)比较B1~B(p-3)，实际上就是B3~B(p-1)比较B1~B(p-3)；最后直到B(p)和B(1)两者相比较。既然这些数据都是B自身的数据，所以当然我们可以提前把这些结果都算出来的。

那么这么多的选择，我们应该左移多少位呢？

其实判断很简单。假设我们左移1位，发现A2~A(p-1)的结果和B1~B(p-2)是一致的，那么两者可以直接从第(p-1)位开始比较了； 如果不成功呢，那么只能左移2位，并判断A2~A(p-1)和B1~B(p-2)的比较结果了，......，这样以此类推进行比较。如果不幸发现所有的数据都不能比较成功呢，那么只能从头再来，从第1位数据依次进行比较了。

不知道讲清楚了没，还没有明白的朋友可以看看下面的代码：

view plaincopy to clipboardprint?

1. int calculate_for_special_index(char str[], int index)
2. {
3. int loop;
4. int value;
6. value = 0;
7. for(loop = 1; loop < index; loop ++){
8. if(!strncmp(&str[loop], str, (index - loop))){
9. value = index - loop;
10. break;
11. }
12. }
14. return (value == 0) ? 1 : (index - value);
15. }
17. void calculate_for_max_positon(char str[], int len, int data[])
18. {
19. int index;
21. for(index = 0; index < len; index++)
22. data[index] = calculate_for_special_index(str, index);
23. }

当然，上面当然都是为了计算在索引n比较失败的时候，判断此时字符应该向左移动多少位。

view plaincopy to clipboardprint?

1. char* strstr_kmp(const char* str, char* data)
2. {
3. int index;
4. int len;
5. int value;
6. int* pData;
8. if(NULL == str || NULL == str)
9. return NULL;
11. len = strlen(data);
12. pData = (int*)malloc(len * sizeof(int));
13. memset(pData, 0, len * sizeof(int));
14. calculate_for_max_positon((char*)str, len, pData);
16. index = 0;
17. while(*str && ((int)strlen(str) >= len)){
18. for(; index < len; index ++){
19. if(str[index] != data[index])
20. break;
21. }
23. if(index == len){
24. free(pData);
25. return (char*) str;
26. }
28. value = pData[index];
29. str += value;
31. if(value == 1)
32. index = 0;
33. else
34. index = index -value;
35. }
37. free(pData);
38. return NULL;
39. }

可能朋友们看到了，上面的strlen又回来了？说明代码本身还有优化的空间。大家可以自己先试一试。

view plaincopy to clipboardprint?

1. int check_valid_for_kmp(char str[], int start, int len)
2. {
3. int index;
5. for(index = start; index < len; index++)
6. if('\0' == str[index])
7. return 0;
8. return 1;
9. }
11. char* strstr_kmp(const char* str, char* data)
12. {
13. int index;
14. int len;
15. int value;
16. int* pData;
18. if(NULL == str || NULL == str)
19. return NULL;
21. len = strlen(data);
22. pData = (int*)malloc(len * sizeof(int));
23. memset(pData, 0, len * sizeof(int));
24. calculate_for_max_positon((char*)str, len, pData);
26. index = 0;
27. while(*str && check_valid_for_kmp((char*)str, index, len)){
28. for(; index < len; index ++){
29. if(str[index] != data[index])
30. break;
31. }
33. if(index == len){
34. free(pData);
35. return (char*) str;
36. }
38. value = pData[index];
39. str += value;
41. if(value == 1)
42. index = 0;
43. else
44. index = index -value;
45. }
47. free(pData);
48. return NULL;
49. }

（三）、多核查找

多核查找其实不新鲜，就是把查找分成多份，不同的查找过程在不同的核上面完成。举例来说，我们现在使用的cpu一般是双核cpu，那么我们可以把待查找的字符分成两份，这样两份查找就可以分别在两个核上面同时进行了。具体怎么做呢，其实不复杂。首先我们要定义一个数据结构：

view plaincopy to clipboardprint?

1. typedef struct _STRING_PART
2. {
3. char * str;
4. int len;
5. }STRING_PART;

view plaincopy to clipboardprint?

1. void set_value_for_string_part(char str[], int len, STRING_PART part[])
2. {
3. char* middle = str + (len >> 1);
5. while(' ' != *middle)
6. middle --;
8. part[0].str = str;
9. part[0].len = middle - (str -1);
11. part[1].str = middle + 1;
12. part[1].len = len - (middle - (str - 1));
13. }

view plaincopy to clipboardprint?

1. char* strstr_omp(char str[], char data[])
2. {
3. int index;
4. STRING_PART part[2] = {0};
5. char* result[2] = {0};
6. int len = strlen(str);
8. set_value_for_string_part(str, len, part);
10. #pragma omp parellel for
11. for(index = 0; index < 2; index ++)
12. result[index] = strstr(part[index].str, part[index].len, data);
14. if(NULL == result[0] && NULL == result[1])
15. return NULL;
17. return (NULL != result[0]) ? result[0] : result[1];
18. }

（1）这里omp宏要在VS2005或者更高的版本上面才能运行，同时需要添加头文件#include，打开openmp的开关；

（2）这里调用的strstr函数第2个参数是目标字符串的长度，和我们前面介绍的普通查找函数稍微不一样，前面的函数不能直接使用，但稍作改变即可。