String 滑动窗口中的字符串匹配

假设您有一个包含以下字符串的文件

a a a b a a b a a b b a b 

您没有访问该文件的权限，但有一个函数FetchNextChar（），它一次提供一个字符

要匹配的模式是

a a b

你如何计算点击总数

以下是我的想法

如果获取的字符是模式（'a'）的第一个字符，则将其添加到队列中

如果下一个字符与模式的下一个字符匹配，则开始追加/创建下一个字符的链接列表

所以在第一次取货之后我们有

Pattern -a 
Queue - a 

Then 

Pattern -a  a 
Queue[0] a->a 
Queue[1] a


3rd 
Pattern    a    a    b
Queue[0]   a -->a--> a    //doesn't match, dequeue
Queue[1]        a-> a
Queue[2]             a 

我认为这会起作用，但我看到的问题是，是否有多个字符与模式的第一个字符相匹配，我将继续添加到队列中，从而不断增加列表

---

有什么想法吗？

您可以使用基于状态的算法：

我们可以看到，每次读取a

'b'

时，我们都会继续执行

状态=0

，如果启用

状态=2

，则模式出现的次数会增加一次。当一个

'a'

被读取时，我们进入下一个状态，该状态的边界显然是

状态=2

这里是一个实现该算法的python脚本

---

您可以使用基于状态的算法：

我们可以看到，每次读取a

'b'

时，我们都会继续执行

状态=0

，如果启用

状态=2

，则模式出现的次数会增加一次。当一个

'a'

被读取时，我们进入下一个状态，该状态的边界显然是

状态=2

这里是一个实现该算法的python脚本

---

通过计算滑动窗口的

滚动哈希

可以有效地解决这一问题，简单的滚动哈希函数是对字符的ASCII码求和，但您可以使用此

素数数组

减少冲突，我已经测试了这些素数，并在一个大而相似的字符串和模式匹配上给了我一些碰撞：

primes[] = {13 , 7963 , 17443 , 27527 , 37879 , 48673 , 59407 , 70729 , 81883 , 93251 , 104789 , 116531 , 128239 , 139969 , 151783 , 163883 , 176159 , 188029 , 200257 , 212447 , 224831 , 237283 , 249517 , 262217 , 274661 , 287173};

下面是用于打印匹配计数的上述算法的伪代码：

stream = "aaabaabaabbab";
pattern = "aab";
queue window;

patternHash = 0;
for ch in pattern:
    patternHash = patternHash + primes[ch - 'a']

first = readFromStream(stream)
window.enqueue(first)
windowHash = primes[first - 'a']
for i = 0 to pattern.size():
    ch = readFromStream(stream)
    window.enqueue(ch)
    windowHash = windowHash + primes[ch - 'a']

count = 0
for i = pattern.size() to stream.size():
    if windowHash == patternHash
        if window == pattern
            count = count + 1
    ch = readFromStream(stream)
    window.enqueue(ch)
    windowHash = windowHash - primes[window.first() - 'a']
    windowHash = windowHash + primes[ch - 'a']
    window.dequeue()

print count

---

通过计算滑动窗口的

滚动哈希

可以有效地解决这一问题，简单的滚动哈希函数是对字符的ASCII码求和，但您可以使用此

素数数组

减少冲突，我已经测试了这些素数，并在一个大而相似的字符串和模式匹配上给了我一些碰撞：

primes[] = {13 , 7963 , 17443 , 27527 , 37879 , 48673 , 59407 , 70729 , 81883 , 93251 , 104789 , 116531 , 128239 , 139969 , 151783 , 163883 , 176159 , 188029 , 200257 , 212447 , 224831 , 237283 , 249517 , 262217 , 274661 , 287173};

下面是用于打印匹配计数的上述算法的伪代码：

stream = "aaabaabaabbab";
pattern = "aab";
queue window;

patternHash = 0;
for ch in pattern:
    patternHash = patternHash + primes[ch - 'a']

first = readFromStream(stream)
window.enqueue(first)
windowHash = primes[first - 'a']
for i = 0 to pattern.size():
    ch = readFromStream(stream)
    window.enqueue(ch)
    windowHash = windowHash + primes[ch - 'a']

count = 0
for i = pattern.size() to stream.size():
    if windowHash == patternHash
        if window == pattern
            count = count + 1
    ch = readFromStream(stream)
    window.enqueue(ch)
    windowHash = windowHash - primes[window.first() - 'a']
    windowHash = windowHash + primes[ch - 'a']
    window.dequeue()

print count

---

为什么不使用KMP算法呢？@Imposter如果你想提的话，可以这样做。这是一个已解决的问题。参见Gusfield 1997。从实用的角度来看，最好的算法是Boyer-Moore算法。什么样的DS能够有效地存储文件中的文本并滑动窗口？理想情况下，我们只希望在缓冲区中存储模式的长度以进行比较。您希望只匹配

aab

，还是只是一个示例，你想知道一个通用算法来计算文本流中任何字符串的出现次数吗？为什么不使用KMP算法呢？@Imposter，如果你想提及它的话。这是一个解决了的问题。参见Gusfield 1997。从实用的角度来看，最好的算法是Boyer-Moore算法。什么样的DS能够有效地存储文件中的文本并滑动窗口？理想情况下，我们只希望将模式的长度存储在缓冲区中进行比较。您希望只匹配

aab

，还是只是一个示例，您希望了解一种通用算法来计算文本流中任何字符串的出现次数？