字符串查找下篇

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：

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

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：

int calculate_for_special_index(char str[], int index)  
{  
    int loop;  
    int value;  

    value = 0;  
    for(loop = 1; loop < index; loop ++){  
        if(!strncmp(&str[loop], str, (index - loop))){  
            value = index - loop;  
            break;  
        }  
    }  

    return (value == 0) ? 1 : (index - value);  
}  

void calculate_for_max_positon(char str[], int len, int data[])  
{  
    int index;  

    for(index = 0; index < len; index++)  
        data[index] = calculate_for_special_index(str, index);  
}

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。

char* strstr_kmp(const char* str, char* data)  
{  
    int index;  
    int len;  
    int value;  
    int* pData;  

    if(NULL == str || NULL == str)  
        return NULL;  

    len = strlen(data);  
    pData = (int*)malloc(len * sizeof(int));  
    memset(pData, 0, len * sizeof(int));  
    calculate_for_max_positon((char*)str, len, pData);  

    index = 0;  
    while(*str && ((int)strlen(str) >= len)){  
        for(; index < len; index ++){  
            if(str[index] != data[index])  
                break;  
        }  

        if(index == len){  
            free(pData);  
            return (char*) str;  
        }  

        value = pData[index];  
        str += value;  

        if(value == 1)  
            index = 0;  
        else  
            index = index -value;  
    }  

    free(pData);  
    return NULL;  
}

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。

int check_valid_for_kmp(char str[], int start, int len)  
{  
    int index;  

    for(index = start; index < len; index++)  
        if('\0' == str[index])  
            return 0;  
    return 1;  
}  

char* strstr_kmp(const char* str, char* data)  
{  
    int index;  
    int len;  
    int value;  
    int* pData;  

    if(NULL == str || NULL == str)  
        return NULL;  

    len = strlen(data);  
    pData = (int*)malloc(len * sizeof(int));  
    memset(pData, 0, len * sizeof(int));  
    calculate_for_max_positon((char*)str, len, pData);  

    index = 0;  
    while(*str && check_valid_for_kmp((char*)str, index, len)){  
        for(; index < len; index ++){  
            if(str[index] != data[index])  
                break;  
        }  

        if(index == len){  
            free(pData);  
            return (char*) str;  
        }  

        value = pData[index];  
        str += value;  

        if(value == 1)  
            index = 0;  
        else  
            index = index -value;  
    }  

    free(pData);  
    return NULL;  
}

（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：

typedef struct _STRING_PART  
{  
    char * str;  
    int len;  
}STRING_PART;

接着，我们要做的就是把字符串分成两等分，分别运算起始地址和长度。

void set_value_for_string_part(char str[], int len, STRING_PART part[])  
{  
    char* middle = str + (len >> 1);  

    while(' ' != *middle)  
        middle --;  

    part[0].str = str;  
    part[0].len = middle - (str -1);  

    part[1].str = middle + 1;  
    part[1].len = len - (middle - (str - 1));  
}

分好之后，就可以开始并行运算了。

char* strstr_omp(char str[], char data[])  
{  
    int index;  
    STRING_PART part[2] = {0};  
    char* result[2] = {0};  
    int len = strlen(str);  

    set_value_for_string_part(str, len, part);  

#pragma omp parellel for   
    for(index = 0; index < 2; index ++)  
        result[index] = strstr(part[index].str, part[index].len, data);  

    if(NULL == result[0] && NULL == result[1])  
        return NULL;  

    return (NULL != result[0]) ? result[0] : result[1];  
}

注意事项：

（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。

字符串查找 下篇

字符串查找下篇