数据结构-串

第4章串在非数值处理、事务处理等问题常涉及到一系列的字符操作。计算机的硬件结构主要是反映数值计算的要求，因此，字符串的处理比具体数值处理复杂。本章讨论串的存储结构及几种基本的处理。4.1串类型的定义4.1.1串的基本概念串(字符串)：是零个或多个字符组成的有限序列。记作：S=“a1a2a3…”，其中S是串名，ai(1≦i≦n)是单个，可以是字母、数字或其它字符。串值：双引号括起来的字符序列是串值。串长：串中所包含的字符个数称为该串的长度。空串(空的字符串)：长度为零的串称为空串，它不包含任何字符。空格串(空白串)：构成串的所有字符都是空格的串称为空白串。注意：空串和空白串的不同，例如“”和“”分别表示长度为1的空白串和长度为0的空串。子串(substring)：串中任意个连续字符组成的子序列称为该串的子串，包含子串的串相应地称为主串。子串的序号：将子串在主串中首次出现时的该子串的首字符对应在主串中的序号，称为子串在主串中的序号（或位置）。例如，设有串A和B分别是：A=“这是字符串”，B=“是”则B是A的子串，A为主串。B在A中出现了两次，其中首次出现所对应的主串位置是3。因此，称B在A中的序号为3。特别地，空串是任意串的子串，任意串是其自身的子串。串相等：如果两个串的串值相等(相同)，称这两个串相等。换言之，只有当两个串的长度相等，且各个对应位置的字符都相同时才相等。通常在程序中使用的串可分为两种：串变量和串常量。串常量和整常数、实常数一样，在程序中只能被引用但不能不能改变其值，即只能读不能写。通常串常量是由直接量来表示的，例如语句错误(“溢出”)中“溢出”是直接量。串变量和其它类型的变量一样，其值是可以改变。4.1.2串的抽象数据类型定义ADTString{数据对象：D={ai|ai∈CharacterSet,i=1,2,…,n,n≥0}数据关系：R={ai-1,ai|ai-1,ai∈D,i=2,3,…,n}基本操作：StrAssign(t,chars)初始条件：chars是一个字符串常量。操作结果：生成一个值为chars的串t。StrConcat(s,t)初始条件：串s,t已存在。操作结果：将串t联结到串s后形成新串存放到s中。StrLength(t)初始条件：字符串t已存在。操作结果：返回串t中的元素个数，称为串长。SubString(s,pos,len,sub)初始条件：串s,已存在,1≦pos≦StrLength(s)且0≦len≦StrLength(s)–pos+1。操作结果：用sub返回串s的第pos个字符起长度为len的子串。……}ADTString4.2串的存储表示和实现串是一种特殊的线性表，其存储表示和线性表类似，但又不完全相同。串的存储方式取决于将要对串所进行的操作。串在计算机中有3种表示方式：◆定长顺序存储表示：将串定义成字符数组，利用串名可以直接访问串值。用这种表示方式，串的存储空间在编译时确定，其大小不能改变。◆堆分配存储方式：仍然用一组地址连续的存储单元来依次存储串中的字符序列，但串的存储空间是在程序运行时根据串的实际长度动态分配的。◆块链存储方式：是一种链式存储结构表示。4.2.1串的定长顺序存储表示这种存储结构又称为串的顺序存储结构。是用一组连续的存储单元来存放串中的字符序列。所谓定长顺序存储结构，是直接使用定长的字符数组来定义，数组的上界预先确定。定长顺序存储结构定义为：#defineMAX_STRLEN256typedefstruct{charstr[MAX_STRLEN];intlength;}StringType;1串的联结操作StatusStrConcat(StringTypes,StringTypet)/*将串t联结到串s之后，结果仍然保存在s中*/{inti,j;if((s.length+t.length)MAX_STRLEN)ReturnERROR;/*联结后长度超出范围*/for(i=0;it.length;i++)s.str[s.length+i]=t.str[i];/*串t联结到串s之后*/s.length=s.length+t.length;/*修改联结后的串长度*/returnOK;}2求子串操作StatusSubString(StringTypes,intpos,intlen,StringType*sub){intk,j;if(pos1||poss.length||len0||len(s.length-pos+1))returnERROR;/*参数非法*/sub-length=len-pos+1;/*求得子串长度*/for(j=0,k=pos;k=leng;k++,j++)sub-str[j]=s.str[i];/*逐个字符复制求得子串*/returnOK;}4.2.2串的堆分配存储表示实现方法：系统提供一个空间足够大且地址连续的存储空间(称为“堆”)供串使用。可使用C语言的动态存储分配函数malloc()和free()来管理。特点是：仍然以一组地址连续的存储空间来存储字符串值，但其所需的存储空间是在程序执行过程中动态分配，故是动态的，变长的。串的堆式存储结构的类型定义typedefstruct{char*ch;/*若非空，按长度分配，否则为NULL*/intlength;/*串的长度*/}HString;1串的联结操作StatusHstring*StrConcat(HString*T,HString*s1,HString*s2)/*用T返回由s1和s2联结而成的串*/{intk,j,t_len;if(T.ch)free(T);/*释放旧空间*/t_len=s1-length+s2-length;if((p=(char*)malloc(sizeof((char)*t_len))==NULL){printf(“系统空间不够，申请空间失败！\n”);returnERROR;}for(j=0;js-length;j++)T-ch[j]=s1-ch[j];/*将串s复制到串T中*/for(k=s1-length,j=0;js2-length;k++,j++)T-ch[j]=s1-ch[j];/*将串s2复制到串T中*/free(s1-ch);free(s2-ch);returnOK;}4.2.3串的链式存储表示串的链式存储结构和线性表的串的链式存储结构类似，采用单链表来存储串，结点的构成是：◆data域：存放字符，data域可存放的字符个数称为结点的大小；◆next域：存放指向下一结点的指针。若每个结点仅存放一个字符，则结点的指针域就非常多，造成系统空间浪费，为节省存储空间，考虑串结构的特殊性，使每个结点存放若干个字符，这种结构称为块链结构。如图4-1是块大小为3的串的块链式存储结构示意图。串的块链式存储的类型定义包括：⑴块结点的类型定义#defineBLOCK_SIZE4typedefstructBlstrtype{chardata[BLOCK_SIZE];structBlstrtype*next;}BNODE;abcepcg@@⋀⋯⋯head图4-1串的块链式存储结构示意图(2)块链串的类型定义typedefstruct{BNODEhead;/*头指针*/intStrlen;/*当前长度*/}Blstring;在这种存储结构下，结点的分配总是完整的结点为单位，因此，为使一个串能存放在整数个结点中，在串的末尾填上不属于串值的特殊字符，以表示串的终结。当一个块(结点)内存放多个字符时，往往会使操作过程变得较为复杂，如在串中插入或删除字符操作时通常需要在块间移动字符。4.3串的模式匹配算法模式匹配(模范匹配)：子串在主串中的定位称为模式匹配或串匹配(字符串匹配)。模式匹配成功是指在主串S中能够找到模式串T，否则，称模式串T在主串S中不存在。模式匹配的应用在非常广泛。例如，在文本编辑程序中，我们经常要查找某一特定单词在文本中出现的位置。显然，解此问题的有效算法能极大地提高文本编辑程序的响应性能。模式匹配是一个较为复杂的串操作过程。迄今为止，人们对串的模式匹配提出了许多思想和效率各不相同的计算机算法。介绍两种主要的模式匹配算法。4.3.1Brute-Force模式匹配算法设S为目标串，T为模式串，且不妨设：S=“s0s1s2…sn-1”，T=“t0t1t2…tm-1”串的匹配实际上是对合法的位置0≦i≦n-m依次将目标串中的子串s[i…i+m-1]和模式串t[0…m-1]进行比较：◆若s[i…i+m-1]=t[0…m-1]：则称从位置i开始的匹配成功，亦称模式t在目标s中出现；◆若s[i…i+m-1]≠t[0…m-1]：从i开始的匹配失败。位置i称为位移，当s[i…i+m-1]=t[0…m-1]时，i称为有效位移；当s[i…i+m-1]≠t[0…m-1]时，i称为无效位移。这样，串匹配问题可简化为找出某给定模式T在给定目标串S中首次出现的有效位移。算法实现intIndexString(StringTypes,StringTypet,intpos)/*采用顺序存储方式存储主串s和模式t，*//*若模式t在主串s中从第pos位置开始有匹配的子串，*//*返回位置，否则返回-1*/{char*p,*q;intk,j;k=pos-1；j=0;p=s.str+pos-1;q=t.str;/*初始匹配位置设置*//*顺序存放时第pos位置的下标值为pos-1*/while(ks.length)&&(jt.length){if(*p==*q){p++;q++;k++;j++;}else{k=k-j+1;j=0;q=t.str;p=s.str+k;}/*重新设置匹配位置*/}if(j==t.length)return(k-t.length);/*匹配，返回位置*/elsereturn(-1);/*不匹配，返回-1*/}该算法简单，易于理解。在一些场合的应用里，如文字处理中的文本编辑，其效率较高。该算法的时间复杂度为O(n*m)，其中n、m分别是主串和模式串的长度。通常情况下，实际运行过程中，该算法的执行时间近似于O(n+m)。理解该算法的关键点当第一次sk≠tj时：主串要退回到k-j+1的位置，而模式串也要退回到第一个字符（即j=0的位置）。比较出现sk≠tj时：则应该有sk-1=tj-1，…，sk-j+1=t1，sk-j=t0。4.3.2模式匹配的一种改进算法该改进算法是由D.E.Knuth，J.H.Morris和V.R.Pratt提出来的，简称为KMP算法。其改进在于：每当一趟匹配过程出现字符不相等时，主串指示器不用回溯，而是利用已经得到的“部分匹配”结果，将模式串的指示器向右“滑动”尽可能远的一段距离后，继续进行比较。例：设有串s=“abacabab”，t=“abab”。则第一次匹配过程如图4-2所示。图4-2模式匹配示例s=“abcbb”i=3||||≠匹配失败t=“abb”j=3在i=3和j=3时，匹配失败。但重新开始第二次匹配时，不必从i=1，j=0开始。因为s1=t1，t0≠t1，必有s1≠t0，又因为t0=t2，s2=t2，所以必有s2=t0。由此可知，第二次匹配可以直接从i=3、j=1开始。总之，在主串s与模式串t的匹配过程中，一旦出现si≠tj，主串s的指针不必回溯，而是直接与模式串的tk(0≦kj进行比较，而k的取值与主串s无关，只与模式串t本身的构成有关，即从模式串t可求得k值。)不失一般性，设主串s=“s1s2…sn”，模式串t=“t1t2…tm”。当si≠tj(1≦i≦n-m，1≦jm，mn)时，主串s的指针i不必回溯，而模式串t的指针j回溯到第k(kj)个字符继续比较，则模式串t的前k-1个字符必须满足4-1式，而且不可能存在k’k满足4-1式。t1t2…tk-1=si-(k-1)si-(k-2)…si-2si-1(4-1)而已经得到的“部分匹配”的结果为：tj-(k-1)tj-k…tj