【数据结构与算法】04：串、数组与广义表_数据结构与算法串数组和广义法

串与数组

---

一、串

String串是指零个or多个任意字符串组成的有限序列。

ADT String {
    数据对象：
    数据关系：
    基本操作：
        StrAssign(&T, chars);
        StrCompare(S, T);
    	StrLength(s);
    	Concat(&T, S1, S2);
    	SubString(&Sub, S, pos, len);
    	StrCopy(&T, S);
        StrEmpty(S);
    	ClearString(&S);
    	Index(S, T, pos);//字符串匹配算法
        Replace(&S, T, V);
    	StrInsert(&S, pos, T);
    	StrDelete(&S, pos, len);
    	DestroyString(&S);
} ADT String
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

1.存储结构：

串中元素逻辑关系与线性表相同，串可以采用与线性表相同的存储结构：

（1）顺序串：

#define MAXLEN 255
typedef struct{
    char ch[MAXLEN + 1];//存储串的一维数组
    int length;//串当前的长度
}SString;
1
2
3
4
5

（2）链串：

块链结构对普通的链串进行优化，提高存储密度：

#define CHUNKSIZE 80 //块的大小
typedef struct Chunk {
    char ch[CHUNKSIZE];
    struct Chunk *next;
}Chunk;

typedef struct {
    Chunk *head, *tail;//串的头指针和尾指针
    int curlen;//串的当前长度
}LString;//字符串的块链结构
1
2
3
4
5
6
7
8
9
10

注意：在实际中相较于链串，顺序串使用更多（对字符串的插入、删除运算较少，顺序结构更利于匹配、查找操作）

2.模式匹配算法：

• 算法目的：确定主串中所含子串（模式串）第一次出现的位置（字符串定位算法）
• 算法应用：搜索引擎7拼写检查、语言翻译、数据压缩
• 算法种类：Brute-Force算法（经典朴素穷举算法）、KMP算法（速度快）

（1）BF算法：

Btute-Force算法（模式匹配算法）采用了穷举法的思路：从主串的每一个字符开始依次进行匹配。

1. 将主串的第pos个字符和模式串的第一个字符进行比较
2. 若相等则继续逐个比较后续的字符
3. 若不相等则从主串的下一个字符开始，重新与模式串的第一个字符进行比较（回溯j=1、i=i-j+2）
4. 直到与主串的1个连续子串字符序列与模式串相等，返回S中与T匹配的子序列第一个字符的序号（匹配成功）
5. 否则匹配失败返回0

//写法1：从主串的第一个位置开始查找
int Index_BF(SString S, SString T) {
    int i = 1, j = 1;
    while (i <= S.length && j <= T.length) {
        if (S.ch[i] == T.ch[j]) {//主串和子串匹配则加1继续下一个字符
            ++i;
            ++j;
        } else {//主串和子串不匹配则将指针回溯重新开始下一次匹配
            i = i - j + 2;
            j = 1;
        }
    }
    if (j >= T.length) {//返回匹配的第一个字符的下标
        return i - T.length;
    } else {
        return 0;
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

//写法2：从主串的pos位置开始查找
int Index_BF(SString S, SString T, int pos) {
    int i = pos, j = 1;
    while (i <= S.length && j <= T.length) {
        if (S.ch[i] == T.ch[j]) {//主串和子串匹配则加1继续下一个字符
            ++i;
            ++j;
        } else {//主串和子串不匹配则将指针回溯重新开始下一次匹配
            i = i - j + 2;
            j = 1;
        }
    }
    if (j >= T.length) {//返回匹配的第一个字符的下标
        return i - T.length;
    } else {
        return 0;
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

• 时间复杂度最好情况为O(m)，
• 时间复杂度最差为O(n-m)*m + m，
• 时间复杂度平均情况为O(n*m)

（2）KMP算法：

KMP算法相较于BF算法中i指针可不必回溯、j指针尽量减少回溯步数，算法时间复杂度可提速到O(n+m)

定义next[j]函数，用于确定当模式中第j个字符与主串中相应字符失配时需要回溯的位置，回溯规则如下：

int Index_KMP(SString S, SString T, int pos) {
    int i = pos, j = 1;
    while (i < S.length && j < T.legngth) {
        if (j == 0 || S.ch[i] == T.ch[j]) {
            ++i;
            ++j;
        } else {
            j = next[j];//根据j的值在next表中查找，获取j指针的回溯位置
        }
    }
    if (j > T.length) {
        return i - T.length;
    } else {
        return 0;
    }
}

//next表的计算方法
void getNext(SString T, int &next[]) {
    int i = 1, j = 0;
    int next[1] = 0;
    while (i < T.length) {
        if (j == 0 || T.ch[i] == T.ch[j]) {
            ++i;
            ++j;
            next[i] = j;
        } else {
            j = next[j];
        }
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

（3）KMP算法改进：

针对KMP算法中的next函数进行改进：根据next值求出nextval的值

int Index_KMP(SString S, SString T, int pos) {
    int i = pos, j = 1;
    while (i < S.length && j < T.legngth) {
        if (j == 0 || S.ch[i] == T.ch[j]) {
            ++i;
            ++j;
        } else {
            j = next[j];//根据j的值在next表中查找，获取j指针的回溯位置
        }
    }
    if (j > T.length) {
        return i - T.length;
    } else {
        return 0;
    }
}

//next表的计算方法
void getNext(SString T, int &next[]) {
    int i = 1, j = 0;
    int next[1] = 0;
    while (i < T.length) {
        if (j == 0 || T.ch[i] == T.ch[j]) {
            ++i;
            ++j;
            if (T.ch[i] != T.ch[j]) nextval[i] = j;
            else nextval[i] = nextval[j];
        } else {
            j = nextval[j];
        }
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

3.应用病毒感染检测：

研究者将人的DNA和病毒DNA均表示成由一些字幕组成的字符串序列，

然后检测某种病毒DNA序列是否在患者的DNA序列中出现过（如果出现过则此人感染了病毒，否则没有感染病毒）

注意：人的DNA序列式线性的，而病毒的DNA序列是环状的

1. 对于每一个待检测的任务假设病毒DNA序列的长度为m，因为病毒DNA序列是环状的，为了取到每个可行的长度为m的模式串可将存储病毒DNA序列的字符串长度扩大为2m（将病毒DNA序列连续存储两次）
2. 然后循环m次，依次取得每个长度为m的环状字符串，将该字符串作为模式串、人的DNA序列作为主串，调用BF算法进行模式匹配
3. 只要匹配成功既可终止循环，表明该人感染了对应的病毒，否则循环m次结束循环。

二、数组

1.数组定义：

数组：按照一定格式排列起来的，具有相同类型的数据元素的集合。

• 一维数组：若线性表中的数据元素为非结构的简单元素，则称为一维数组（定长的线性表）。
• 二维数组：若一维数组中的元素又是一个一维数组结构，则称为二维数组。

typedef int array[m][n];
typedef int array1[n];
typedef array1 array2[m];//m行n列的二维数组
1
2
3

• 三维数组：若二维数组中的元素又是一个一维数组，则称作三维数组。

2.数组存储结构：

由于数组结构固定维数与界数基本不变且一般不作插入删除操作，所以很少采用链式存储结构（常采用顺序存储结构表示数组）。

因此在存储数组结构之前，需要解决将多维关系映射到一维关系的问题。

（1）一维数组：

（2）二维数组：

二维数组有两种顺序存储方式：

以行序为主序的顺序存储：

设数组存储位置LOC(0,0)每个元素需要L个存储单元，则a[i][j]的存储位置为LOC(i,j)=LOC(0,0)+(n*i+j)*L

（3）三维数组：

页优先的顺序存储：

设数组存储位置LOC(0,0,0)每个元素需要L个存储单元，且各维元素的个数为m1,m2,m3

则a[i][j][k]的存储位置为LOC(i,j,k)=a + i*m2*m3 + j*m3 + k;

3.特殊矩阵的压缩存储

（1）对称矩阵：

存储方式：只存储上or下三角（包括主对角线）的数据元素，以行序为主序将元素存放在一维数组arr[n(n+1)/2]中

（2）三角矩阵：

存储方法：重复的元素常数c可以共享一个元素存储空间，占用n(n+1)/2+1个空间

（3）对角矩阵：

存储方式：以对角线的顺序存储

（4）稀疏矩阵：

定义：在n行m列的矩阵中有t个非零元素，当t/m*n) ≤ 0.05时称为该矩阵为稀疏矩阵。

存储方式：只存储各个非零元素的值、行列位置和矩阵的行列数，三元组的不同表示方法可决定稀疏矩阵不同的压缩存储方法。

顺序存储结构：三元组存储

• 三元组顺序表的优点：非零元素在表中按行序有序存储，因此便于进行按行顺序处理的矩阵运算。
• 三元组顺序表的缺点：不能随机存储。若按行号存取某一行中的非零元素，则需要从头开始进行查找。

链式存储结构：十字链表存储

在十字链表中矩阵的每1个非零元素用1个结点表示，结点除了(row, col, value)以外，还需要两个域：

• right：用于链接同一行中的下一个非零元素
• down：用于链接同一列中的下一个非零元素
• 链式存储结构的优点：能够灵活的插入因运算而产生的新的非零元素，删除因运算而产生的新的零元素，实现矩阵的各种运算。