字符串近似匹配算法

核心提示：字符串的近似匹配，就是答应在匹配时有一定的误差，字符串近似匹配算法，比如在字串“以前高手好久不见”中找“以前是高手”也能成功，具体地说，看算法吧，看不懂？没事了，错误可以有三种类型：加字符（以前也是高手）、漏字符（以前高手）和替换字符（以前石膏手），下面的函数在text中查找子串pat

　　字符串的近似匹配，就是答应在匹配时有一定的误差，比如在字串“以前高手好久不见”中找“以前是高手”也能成功。具体地说，错误可以有三种类型：加字符（以前也是高手）、漏字符（以前高手）和替换字符（以前石膏手）。下面的函数在text中查找子串pat，最多答应有k个错误。返回的是匹配的终点（我还没想好如何确定起点，呵呵）。
至于算法的原理，现在一下子说不清楚，只能说这是一个非确定性有限自动机，以后有时间的话再具体介绍。有爱好的话可以自己去看文章《Faster ApPRoximate String Matching》, Algorithmica (1999) 23: 127-158。

算法的限制：(m-k)*(k+2) <= 64, 这里m是子串的长度。那个64是因为哦用了64位整数来编码自动机的状态。假如答应两个错误，则子串最长为18个字符，对一般应用来说足够了。

好了，废话少说，看算法吧。看不懂？没事了，哦也是半懂半不懂的。

char* amatch(const char* text, const char* pat, int k)
{
　int m = strlen(pat);
　assert(m-k>0);
　assert((m-k)*(k+2)<= 64);
　int j;
　__int64 Din = 0;
　__int64 M1 = 0;
　__int64 M2 = 0;
　__int64 M3 = 0;
　__int64 G = 1 << k;
　int onekp1 = (1 << (k+1)) - 1;
　for (j=0; j<m-k; j++)
　{
　　Din = (Din << (k+2))onekp1;
　　M1 = (M1 << (k+2))1;
　　if (j < m-k-1)
　　　M2 = (M2 << (k+2)) 1;
　}
　M2=(M2<<(k+2))onekp1;
　__int64 D=Din;
　const char* s=text;
　int c=*s++;
　while(c)
　{
　　int found=0;
　　const char* sp=pat;
　　for(j=0;j<k+1;j++)
　　{
　　　int cp=*sp++;
　　　if(c==cp)
　　　{
　　　　found=1;
　　　　break;
　　　}
　　}
　　if(found)
　　{
　　　do
　　　{
　　　　__int64 tc = 0;
　　　　const char* sp = pat;
　　　　for (j=0; j<m; j++)
　　　　{
　　　　　int cp = *sp++;
　　　　　if (c!=cp)
　　　　　c=(1<<j);
　　　　}
　　　　__int64 Tc = 0;
　　　　for (j=0; j<m-k; j++)
　　　　Tc = (Tc<<(k+2))((tc>>j)&onekp1);
　　　　__int64 x = (D>>(k+2))Tc;
　　　　D=((D<<1)M1)&((D<<(k+3))M2)&(((x+M1)^x)>>1)&Din;
　　　　if((D & G) == 0)
　　　　　return (char*)s;
　　　　if(D != Din)
　　　　　c = *s++;
　　　}
　　　while ( D != Din && c);
　 }
　 if (c)
　　 c = *s++;
}
return NULL;
}