字符串近似匹配算法

王朝other·作者佚名  2008-06-01
窄屏简体版  字體: |||超大  

字符串的近似匹配,就是答应在匹配时有一定的误差,比如在字串“以前高手好久不见”中找“以前是高手”也能成功。具体地说,错误可以有三种类型:加字符(以前也是高手)、漏字符(以前高手)和替换字符(以前石膏手)。下面的函数在text中查找子串pat,最多答应有k个错误。返回的是匹配的终点(我还没想好如何确定起点,呵呵)。

至于算法的原理,现在一下子说不清楚,只能说这是一个非确定性有限自动机,以后有时间的话再具体介绍。有爱好的话可以自己去看文章《Faster Approximate String Matching》, Algorithmica (1999) 23: 127-158。

算法的限制:(m-k)*(k+2) <= 64, 这里m是子串的长度。那个64是因为哦用了64位整数来编码自动机的状态。假如答应两个错误,则子串最长为18个字符,对一般应用来说足够了。

好了,废话少说,看算法吧。看不懂?没事了,哦也是半懂半不懂的。

char* amatch(const char* text, const char* pat, int k)

{

int m = strlen(pat);

assert(m-k>0);

assert((m-k)*(k+2)<= 64);

int j;

__int64 Din = 0;

__int64 M1 = 0;

__int64 M2 = 0;

__int64 M3 = 0;

__int64 G = 1 << k;

int onekp1 = (1 << (k+1)) - 1;

for (j=0; j<m-k; j++)

{

Din = (Din << (k+2))onekp1;

M1 = (M1 << (k+2))1;

if (j < m-k-1)

M2 = (M2 << (k+2)) 1;

}

M2=(M2<<(k+2))onekp1;

__int64 D=Din;

const char* s=text;

int c=*s++;

while(c)

{

int found=0;

const char* sp=pat;

for(j=0;j<k+1;j++)

{

int cp=*sp++;

if(c==cp)

{

found=1;

break;

}

}

if(found)

{

do

{

__int64 tc = 0;

const char* sp = pat;

for (j=0; j<m; j++)

{

int cp = *sp++;

if (c!=cp)

c=(1<<j);

}

__int64 Tc = 0;

for (j=0; j<m-k; j++)

Tc = (Tc<<(k+2))((tc>>j)&onekp1);

__int64 x = (D>>(k+2))Tc;

D=((D<<1)M1)&((D<<(k+3))M2)&(((x+M1)^x)>>1)&Din;

if((D & G) == 0)

return (char*)s;

if(D != Din)

c = *s++;

}

while ( D != Din && c);

}

if (c)

c = *s++;

}

return NULL;

}

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
 
 
© 2005- 王朝網路 版權所有 導航