第四章 字符串

第四章 字符串

一、字符集、字符串及其操作

字符串及其操作

字符串可以认为特殊的线性表，但操作不同于线性表，而是作为一个整体使用处理。python没有字符类型，所以返回的都是字符串对象。
1. 字符串的长度
2. 字符在字符串的位置
3. 字符串相等
4. 字典序
5. 字符串拼接
6. 字串关系
7. 前缀和后缀都是两种特殊子串
8. 其他有用的串运算

二、字符串的实现

python的字符串

概述：标准类型str是抽象的字符串概念的实现。str是不变类型，其对象创建后内容和长度都不变化，采用一体化顺序表形式。str对象的头部，除了记录字符串长度外，还记录了一些解释器用于管理对象的信息，它们是为系统内部操作服务的。
str的操作：
①获取str对象的信息，获取串长，检查串的内容是否为全为数字等。
②构造新的str对象，切片、构造小写/大写复制、各种格式化等。split()构造包含多个字符串的表。replace就是字符串ADT里的subst
③子串匹配，count检查子串出现次数；endwith检查后缀；find/index找子串的位置。
str的构造操作：
①需要为欲构造的新字符串安排存储；
②再根据被操作串以及操作确定的特定方式，在新存储块里做出所需的新串。

三、字符串匹配(子串查找)

字符串匹配的应用

1. 文本查找单词句子，找拼写错误的标识符等。
2. 邮件，客户端程序垃圾过滤，查找特定字符串序列
3. 搜索引擎技术基础就是从互联网网页中查找匹配的网页
4. 防病毒软件，匹配表征病毒的代码片段

无回溯串匹配算法(KMP算法)

一次KMP算法的完整执行包括构造pnext表和实际匹配，设模式串和目标串长度分别为m和n，KMP的算法时间复杂度为O(m+n)。可以认为为O(n)，优于朴素匹配算法的O(m*n)
KMP的重要算法是匹配时不需要回溯，支持一边读入一边匹配，不回头重读就不需要保存被匹配的串。在处理从外部获取大量信息时，这种算法很合适。

四、字符串匹配问题

模式：模式的形式，描述的字符串集合如何确定，怎么样匹配。
通配符：’?’可以与任意一个实际字符匹配；’*’可以与任意一串字符匹配。
增强的模式描述语言：普通字符串的基础上增加通配符。

正则表达式

正则是比较复杂的模式描述语言。
简化版本的正则表达式：
1. 任一字符仅匹配其自身；
2. ’ . ’ 匹配任意字符
3. ’ ^ ‘匹配目标串的开头 ’ $ ’ 匹配目标串的结束
4. ’ * ‘前面的字符匹配0个或任意多个相同字符

五、Python正则表达式

元字符(特殊字符)： . ^ $ * + ? \ | { } ( ) [ ]

主要操作：

1. 生成正则表达式对象：re.compile(pattern ,flag=0) 从pattern生成与之对应的正则表达式对象。
2. 检索：re.search(pattern,string,flag=0) 在string中检索pattern匹配的子串，如找到就返回一个match类型的对象，否则返回None。
3. 匹配：re.match(pattern,string,flag=0)检查string是否存在一个与pattern匹配的前缀，成功则返回match类型的对象，否则返回None。
4. 分割：re.split(pattern,string,maxsplit=0,flags=0)以pattern作为分割串将string分段，maxsplit最大分割数，0是默认处理整个string。返回分割得到的字符串的表。
5. 找出所有匹配串：re.findall(pattern,string,flags=0) 返回一个表，表中元素是按顺序给出的string里与pattern匹配的各个子串。

正则表达式的构造：

一、字符组
① 字符组描述符[…]
② (.) 圆点是通配符，能匹配任何字符
二、重复
①重复描述符 ’ * ‘匹配后面任意字符，并且贪婪匹配。 ‘+’至少要做一次匹配的
②可选描述符 ’ ? ‘匹配0次或1次
③重复次数描述符 ‘{n}’ 前面的串匹配n次
④重复次数的范围描述 ‘{m,n}’ 匹配m到n次
三、选择
①选择描述符 ’ | ’ 描述与两种或多种情况之一的匹配。
四、首尾描述符
行首描述符 ‘^’ 以此开头的模式，只能与一行的前缀子串匹配
行尾描述符 ‘$’ 以此结尾的模式，只能与一行的后缀子串匹配
五、单词边界
‘\b’ 描述单词边界
六、匹配对象(match对象)
match.group() 取得被匹配的子串
match.start() 在目标字符串里匹配位置
match.end() 目标串里匹配结束位置
match.span() 目标串里被匹配的区间
七、其他匹配操作
re.fullmatch(pattern,string,flags=0)
re.finditer(pattern,string,flags=0)
re.sub(pattern,repl,string,count=0,flags=0)

本章总结

KMP匹配算法首先分析模式串，记录一套位移信息，而后利用记录的信息实现无回溯匹配。主要思想是尽可能利用好已经做过的字符比较的结果，从而达到O(n)的高效率。
正则表达式的串匹配
近似匹配：定义两个串的接近程度等；
复杂模式匹配：二维或者高位模式匹配。