更熟悉的字符串匹配算法可能是KMP算法, 但在Golang中,使用的是Rabin–Karp算法
一般中文译作 拉宾-卡普算法,由迈克尔·拉宾与理查德·卡普于1987年提出
要在一段文本中找出单个模式串的一个匹配，此算法具有线性时间的平均复杂度，其运行时间与待匹配文本和模式串的长度成线性关系。虽然平均情况下，此算法表现优异，但最坏情况下，其复杂度为文本长与模式串长的乘积
尽可能多的利用上一步的结果，这是优化时间复杂度的一大核心
对于数字类型的字符串，可有如下匹配方法：
将该方法扩展到非数字类型的字符串：
以上这张图片的LaTex：
$$\begin{gather} 对于长度为n的字符串 x_{0} x_{1} x_{2} ... x_{n-1},\\其对应的“值”val为\\ val = x_{0} \times r^{n-1} + x_{1}\times r^{n-2} + ... + x_{n-1}\times r^{0} \\其中r为进制数\end{gather}$
ASCII：英语字符与二进制位之间的关系 (其他语言？？)
Unicode：将世界上所有的符号都纳入其中， 每个符号都对应一个独一无二的编码，最多可以容纳1114112个字符(2021年9月公布的14.0.0，已经收录超过14万个字符) (有个问题是浪费空间。。) 也译作统一码/万国码/国际码
UTF-8: 使用最广的一种 Unicode 的实现方式 (最大特点是 变长的编码方式)
源码注释：
将源码中的16777619进制改为10进制，从字符串31415926中搜索4159：
4159
package main import ( "fmt" "strconv" ) func main() { var primeRK uint32 = 10 sep := "4159" hash := uint32(0) for i := 0; i < len(sep); i++ { //fmt.Println(sep[i]) //fmt.Println(string(sep[i])) next, _ := strconv.Atoi(string(sep[i])) //hash = hash*primeRK + uint32(sep[i]) hash = hash*primeRK + uint32(next) fmt.Println(hash) } }
输出为：
4 41 415 4159
完整的以10为primeRK，从31415926中搜索4159的代码：
package main import ( "fmt" "strconv" ) const PrimeRKNew = 10 func main() { str := `31415926` substr := "4159" fmt.Println("最终结果为:", IndexRabinKarpNew(str, substr)) } func HashStrNew(sep string) (uint32, uint32) { hash := uint32(0) for i := 0; i < len(sep); i++ { //fmt.Println(sep[i]) //fmt.Println(string(sep[i])) next, _ := strconv.Atoi(string(sep[i])) //hash = hash*primeRK + uint32(sep[i]) hash = hash*PrimeRKNew + uint32(next) fmt.Println(hash) } var pow, sq uint32 = 1, PrimeRKNew for i := len(sep); i > 0; i >>= 1 { fmt.Println("i is:", i, "---", "i&1 is:", i&1) if i&1 != 0 { pow *= sq } sq *= sq fmt.Println("pow is:", pow) } return hash, pow } func IndexRabinKarpNew(s, substr string) int { // Rabin-Karp search hashss, pow := HashStrNew(substr) fmt.Println("hashss, pow:", hashss, pow) fmt.Println("~~~分割线~~~") n := len(substr) var h uint32 for i := 0; i < n; i++ { next1, _ := strconv.Atoi(string(s[i])) //h = h*PrimeRKNew + uint32(s[i]) fmt.Println("next1 is:", next1) h = h*PrimeRKNew + uint32(next1) } fmt.Println("h即T串初始值为:", h) if h == hashss && s[:n] == substr { return 0 } for i := n; i < len(s); { h *= PrimeRKNew fmt.Println("h*=:", h) last, _ := strconv.Atoi(string(s[i])) //当前T串的最后一个元素 fmt.Println("last is:", last) //h += uint32(s[i]) h += uint32(last) fmt.Println("h+=:", h) //h -= pow * uint32(s[i-n]) first, _ := strconv.Atoi(string(s[i-n])) //当前T串的第一个元素 fmt.Println("first is:", first) h -= pow * uint32(first) fmt.Println("h-=:", h) i++ fmt.Println("---下次循环的 i为 ---", i) if h == hashss && s[i-n:i] == substr { //s[i-n:i]为当前的T串 return i - n } } return -1 }
输出为：
4 41 415 4159 i is: 4 --- i&1 is: 0 pow is: 1 i is: 2 --- i&1 is: 0 pow is: 1 i is: 1 --- i&1 is: 1 pow is: 10000 hashss, pow: 4159 10000 ~~~分割线~~~ next1 is: 3 next1 is: 1 next1 is: 4 next1 is: 1 h即T串初始值为: 3141 h*=: 31410 last is: 5 h+=: 31415 first is: 3 h-=: 1415 ---下次循环的 i为 --- 5 h*=: 14150 last is: 9 h+=: 14159 first is: 1 h-=: 4159 ---下次循环的 i为 --- 6 最终结果为: 2
strings.Contains()源码阅读暨internal/bytealg初探
书籍推荐
牛刀小试:
另：
除去KMP和RK算法，字符串匹配还有 Boyer-Moore算法(简称BM算法)系列算法，其核心思想是：
在字符串匹配过程中，模式串发现不匹配时，跳过尽可能多的字符以进行下一步的匹配，从而提高匹配效率
BM算法的简化版Horspool算法
以及性能更好的Sunday算法
Python用的也不是KMP，而是boyer-moore和horspool, 源码点此
图解字符串匹配之Horspool算法和Boyer-Moore算法
