Question

假设我有以下内容：

Lorem Ipsum is simply dummy text of the printing and typesetting industry.

如何使用C在该字符串中搜索dummy或dummy text？有没有简单的方法来做或只有强大的字符串操作？我只需要搜索它并返回一个包含结果的布尔值。

修改
你们围绕这个主题创建了一个大讨论，并提出了一些算法，我不介意，因为这可能对其他人，甚至将来我都有用。但无论时间/空间的复杂性如何，我真正想要的是最简单的方法。这对我正在做的事情并不重要。因此，strstr可以轻松快速地解决我的问题。我真的得给我一些标准的C函数chet表。

Answer 1

标准库函数是strstr：

char *strstr(const char *haystack, const char *needle);

它返回一个指向发现匹配的字符串的指针，如果不是则返回NULL - 所以如果你需要的只是一个布尔值，只需测试返回值（if (strstr(...))。

Answer 2

如果您想要简单且字符串不会太长，您可以使用strstr功能。但是，如果您的字符串很长，请考虑使用KMP算法，因为它效率更高。

我真的不喜欢维基百科的文章，因为那里的实现看起来有些奇怪（尽管它可能是正确的），而且它也误导了KMP的性能。我更喜欢here给出的实施和说明以及Google搜索“KMP算法”返回的其他网站。

Answer 3

在http://www-igm.univ-mlv.fr/~lecroq/string/上对大量字符串搜索算法进行了广泛的讨论，并附有说明性的C代码和参考文献。

关于算法成本的一组评论中有一个讨论。需要记住的一点是，如果您可以通过搜索功能的多次调用来分摊设置成本，那么高性能算法可以为您带来巨大的好处。如果你要一直在寻找不同的字符串，那就更难赢。

我已经打包了一个版本的KMP（Knuth-Morris-Pratt）算法，用于多次重复使用相同的搜索字符串。标题是：

/*
@(#)File:           $RCSfile: kmp.h,v $
@(#)Version:        $Revision: 1.4 $
@(#)Last changed:   $Date: 2008/02/02 05:49:34 $
@(#)Purpose:        Knuth-Morris-Pratt Search Algorithm
@(#)Author:         J Leffler
@(#)Copyright:      (C) JLSS 2005,2008
@(#)Product:        :PRODUCT:
*/

#ifndef KMP_H
#define KMP_H

#include <stddef.h> /* size_t */

typedef struct kmp_control kmp_control;

/*
** To set up a search (to repeatedly look for the same search string in
** multiple scan strings), use kmp_setsearch().  To start a search on a
** new scan string, use kmp_settarget().  To find the next match of a
** given search string in a given target string, use kmp_search().  Note
** that kmp_setsearch() and kmp_settarget() do not copy the data in the
** source and target strings; the pointers must remain valid You can
** copy kmp_control structures for reuse if desired.
*/
typedef void *(*kmp_malloc)(size_t nbytes);
typedef void (*kmp_free)(void *data);

extern kmp_control *kmp_setsearch(const char *search, size_t schlen);
extern void kmp_settarget(kmp_control *ctrl, const char *target, size_t tgtlen);
extern const char *kmp_search(kmp_control *ctrl);
extern void kmp_release(kmp_control *ctrl);
extern void kmp_setalloc(kmp_malloc mem_alloc, kmp_free mem_free);

#endif /* KMP_H */

能够指定内存分配函数有点不寻常 - 但是我的代码通常在没有通过标准malloc()等进行内存分配的环境中工作，并且你必须能够切换内存按需分配器。你可以忽略两个typedef和相应的函数;当然，默认设置是使用malloc()和free()。

基本的KMP算法代码来自上面的网站 - 但是经过修改以允许我设置一次搜索字符串，然后搜索多个目标字符串等。联系我（参见我的个人资料）获取源代码。我也有类似Boyer-Moore代码的结构（相同的原始资源），以及一个不区分大小写的Boyer-Moore代码。

在Kernighan和Pike的优秀书籍“The Practice of Programming”中有一篇关于strstr()和表演的好战故事。

我做了一些实验 - 使用King James Bible（4.8 MB）的副本作为纯文本和内存映射。对于许多搜索，（MacOS X 10.6.2 / BSD）strstr()比KMP或BM快。当字符串长得足够长（大约12个字符）时，BM算法最终超过strstr()。 KMP算法似乎总是多慢。

德？

很难超越一个好的图书馆。
KMP在合理的英语字符串上比BM慢得多。

我在算法周围设置的基础设施可能过于繁重 - 但原始代码中的替代方案是回调机制，这为确定匹配的上下文提出了一些问题。

Answer 4

我会使用strstr（也是here）。

我不是在问题中使用“部分”这个词。参数（“虚拟”或“虚拟文本”）必须完全匹配，对吧？

Answer 5

我一直很喜欢Boyer-Moore。它是O（n），但必须设置（即，必须预先计算两个表。）因此，如果要搜索大量文本，或者提前知道搜索字符串，这样做是好的，从而弥补了成本建立表格。它也适用于8位ASCII。

[http://en.wikipedia.org/wiki/Boyer%E2%80%93Moore_string_search_algorithm]

（顺便说一句，是否有strstr（）的Unicode风格？）

如何在C中部分比较两个字符串？

5 个答案: