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：

/*      
*    A: A1 A2 A3 A4 ... Ap ............
*    B: B1 B2 B3 B4 ... Bp ...Bn 
*                       (p)        
*/     
/*     
*    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); 
} 
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; 
} 
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; 
} 
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; 
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)); 
} 
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]; 
} 
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<omp.h>，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。