乙個有限狀態機包含3部分：
有限的狀態集合，其中包含初始狀態、中間狀態和接受狀態（或者叫做終止狀態）
有限的輸入字母表
狀態轉移函式
乙個簡單的兩狀態自動機如下：
狀態集合為 其中0是初始狀態，也是中間狀態，1是接受狀態
輸入表為
狀態轉移函式表示為狀態轉移表如下：
狀態輸入a
輸入b010
100等價的狀態轉移圖為：
此狀態機可以接受最後具有奇數個a的字元的字串，比如a，abaaa，而aa、abbaa等不會接受。
考慮匹配模式p=ababaca，對此可以建立的狀態機如下：
狀態集合 其中0是初始狀態，也是中間狀態，7是接受狀態，其他的為中間狀態。這裡狀態採用數字表示，且接受狀態恰好為模式的長度，實際上狀態也可用其他形式表示。
輸入集合
狀態轉移函式用等價的狀態轉移表表示：
狀態輸入a
輸入b輸入c01
\color
100112
\color
2023
\color
300314
\color
4045
\color
500514
6
\color
667
\color
700712
0紅色數字表示乙個正確的匹配，即從初始狀態0開始，依次讀入a b a b a c a。
以狀態5為例，下面解釋分別讀入a b c後要轉入的下個狀態。
狀態5說明已經匹配了ababa，讀入c，則變為ababac，轉狀態6；
讀入a，
字首ababaa
不是p的字首
babaa
不是p的字首
abaa
不是p的字首
baa不是p的字首
aa不是p的字首
a是p的字首
因此讀入a，狀態轉1.
讀入b，
字首ababab
不是p的字首
babab
不是p的字首
abab
是p的字首
因此讀入b，狀態轉4.
所以當讀入新的輸入時，要轉移的狀態為匹配p的最長字首表示的狀態。
因此採用有限狀態機匹配字串的流程為：
根據模式構建有限狀態機，即初始化狀態轉移表
依次讀入每個字元，根據狀態轉移表決定下個狀態，當狀態為接受狀態時，表示找到乙個合適的匹配。
**工作主要為初始化狀態機，非常適合p固定，而要匹配的字串n較大的情況，此時時間複雜度為o(n)，p較短且輸入集合較小時可以忽略建立自動機的損耗。
package main
import (
"fmt"
"sort"
"strings"
)func main()
type (
state int
char byte
charslice char
)func (c charslice) len() int
func (c charslice) swap(i, j int)
func (c charslice) less(i, j int) bool
func createstatetransfertable(pattern string) map[state]map[char]state
alphas := make(charslice, 0, len(alphasm))
for char, _ := range alphasm
sort.sort(alphas)
fmt.println(alphas)
ret := make(map[state]map[char]state)
for s := 0; s <= len(pattern); s++ )
pre := prefix
k := s + 1
for k > 0 && !strings.hasprefix(pattern, pre)
trans[c] = state(k)
} ret[state(s)] = trans
} return ret
}
字串匹配演算法 字串匹配演算法總覽
字串匹配在文字處理裡非常重要，我們採用簡潔的python 把以下演算法一一實現並講解。樸素演算法 algorithm rabin karp 演算法 有限自動機演算法 finite automation knuth morris pratt 演算法 kmp algorithm boyer moore ...
字串匹配演算法
首先引用一下另一篇文章中對字串匹配的介紹 字串匹配指的是從文字中找出給定字串 稱為模式 的乙個或所有出現的位置。本文的演算法一律輸出全部的匹配位 置。模式串在 中用x m 來表示，文字用y n 來，而所有字串都構造自乙個有限集的字母表 其大小為 根 據先給出模式還是先給出文字，字串匹配分為兩類方法 ...
字串匹配演算法
平常操作文字的時候，經常需要操作對字串進行操作。而字串中最重要的一種操作就叫匹配，字串的匹配演算法很多，人們最熟悉的莫過於kmp演算法了。今天就來談一談一些字串匹配演算法。先來說說大名鼎鼎的kmp演算法，這個演算法出現在無數的資料結構與演算法書上面。它的策略很簡單 當模式串第k個字元不匹配主串中第s...