电商网站制作成手机app小说榜单首页百度搜索风云榜
任务
需要在某大序列中查找子序列。
解决方案
如果序列是字符串(普通的或者Unicode)，Python 的字符串的 find 方法以及标准库的re模块是最好的工具。否则，应该使用Knuth-Morris-Pratt算法(KMP):
def KnuthMorrisPratt(text,pattern):
'''在序列text中找到pattern的子序列的起始位置每个参数都可以是任何可迭代对象在每次产生一个结果时，对text的读取正好到达(包括)对pattern的一个匹配'''#确保能对pattern进行索引操作，同时制作pattern的一个拷贝，以防在生成结果时意外地修改patternpattern = list(pattern)length = len(pattern)#创建KMP"移量表"并命名为shiftsshifts = [1]*(length + 1)shift = 1for pos,pat in enumerate(pattern):while shift <= pos and pat != pattern[pos - shift]:shift += shifts[pos - shift]shifts[pos + 1] = shift#执行真正的搜索startPos = 0matchLen = 0for c in text:while matchLen == length or matchLen >= 0 and pattern[matchLen] != c:startPos += shifts[matchLen]matchLen -= shifts[matchLen]matchLen += 1if matchLen == length:yield startPos
讨论
本节实现的 Knuth-Morris-Pratt 算法可被用于在一个大文本的连续序列中查找某种指定的模式。由于 KMP 是以顺序的方式访问文本，所以很自然地，我们也可以将其应用于包括文本在内的任意可迭代对象。在处理阶段，算法会创建一个关于偏移量的表，它消耗的时间正比于模式的长度，而每个文本标志则以恒定的时间处理。在所有关于文本处理的基础算法书中都可以看到 KMP 算法的解释和示例。(更多资料一栏中也提供了推荐读物。)
如果 text 和 pattern 都是 Python 字符串，可以通过使用 Python 的内建搜索方法得到一个更快的方案:
def finditer(text,pattern):pos = -1while True:pos = text.find(pattern,pos+1)if pos <0:breakyield pos
比如，使用一个长度为4的字母表(“ACGU”)，在长度为100000的文本中查找长度为8的一个模式，在我的计算机上，借助 finditer 函数耗时为 4.3ms，但使用 KnuthMorrisPrat函数执行同样任务则需要540ms(在 Python2.3 中;而在 Python2.4 会快一些，约 480ms但仍然比 finditer 慢了超过 100倍)。所以请记住:本节的算法适用于在通用的序列中进行搜索，包括那些数据量大到无法放入内存的情况，如果只需要对字符串搜索Python 内建的搜索方法具有完全压倒性的优势。