Python：Rabin-Karp算法哈希

Question

我正在实现Rabin-Karp算法。我碰到这个伪代码：

RABIN -KARP -MATCHER (T, P, d, q) 
    1 n = T.length 
    2 m = P.length 
    3 h = d^(m-1) mod q 
    4 p=0 
    5 t= 0 
    6 for i = 1 to m 
    /preprocessing 
    /
    7 p = (dp + P [i]) mod q 
    8 t = (dt + T [i]) mod q 
    9 for s = 0 to n-m 
    /matching 
    /
    10  if p == t 
    11   if P [1... m] == T [s + 1...s + m] 
    12    print “Pattern occurs with shift” s 
    13  if s < n-m 
    14   t = (d(t-T[s + 1]h) + T [s + m + 1]) mod q 

我在Python 2.7中实现像这样：

def Rabin_Karp_Matcher(text, pattern, d, q): 
    n = len(text) 
    m = len(pattern) 
    h = pow(d,m-1)%q 
    p = 0 
    t =0 
    result = [] 
    for i in range(m): # preprocessing 
     p = (d*p+ord(pattern[i]))%q 
     t = (d*t+ord(text[i]))%q 
    for s in range(n-m): 
     if p == t: # check character by character 
      match = True 
      for i in range(m): 
       if pattern[i] != text[s+i]: 
        match = False 
        break 
      if match: 
       result = result + [s] 
     if s < n-m: 
       t = (d*(t-ord(text[s+1])*h)+ord(text[s+m]))%q #index out of bounds here 
    return result 

，其中结果是包含模式的文本索引列表。

我的代码无法在3141592653589793 中找到26，我怀疑它与我伪代码第14行定义的哈希码有关。任何人都可以请帮忙。字符

的

P = “26” T = “3141592653589793” d = 257 Q = 11

P和T必须是字符串/数组：

我在以下paramters传递

Answer 1

这里是你的代码的工作版本：

def Rabin_Karp_Matcher(text, pattern, d, q): 
    n = len(text) 
    m = len(pattern) 
    h = pow(d,m-1)%q 
    p = 0 
    t = 0 
    result = [] 
    for i in range(m): # preprocessing 
     p = (d*p+ord(pattern[i]))%q 
     t = (d*t+ord(text[i]))%q 
    for s in range(n-m+1): # note the +1 
     if p == t: # check character by character 
      match = True 
      for i in range(m): 
       if pattern[i] != text[s+i]: 
        match = False 
        break 
      if match: 
       result = result + [s] 
     if s < n-m: 
      t = (t-h*ord(text[s]))%q # remove letter s 
      t = (t*d+ord(text[s+m]))%q # add letter s+m 
      t = (t+q)%q # make sure that t >= 0 
    return result 
print (Rabin_Karp_Matcher ("3141592653589793", "26", 257, 11)) 
print (Rabin_Karp_Matcher ("xxxxx", "xx", 40999999, 999999937)) 

输出是：

[6] 
[0, 1, 2, 3] 

的第一步，你检查是否text[0..m] == pattern。在第二步，你要检查是否text[1..m+1] == pattern。因此，您从散列中删除text[0]（目前它已乘以您的预先计算的h）：t = (t-h*ord(text[s]))%q。然后，向其添加text[m]：t = (t*d+ord(text[s+m]))%q。在下一步中，您删除text[1]并添加text[m+1]，依此类推。 t = (t+q)%q行在那里，因为负数模q产生范围(-q; 0]的余数，我们希望它在范围[0; q)。

请注意，您要检查总共n-m+1子字符串，而不是n-m，因此正确的循环为for s in range(n-m+1)。通过第二个示例进行检查（在“xxxxx”中找到“xx”）。

另外值得注意：

1. 线​​可能是，如果m大太慢。在每个m-2乘法之后，最好取模q。

2. 该算法在最坏的情况下仍然是O（nm）。使用text="a"*100000和pattern="a"*50000，它会找到50001个位置，其中文本的子字符串与该模式相匹配，并且它将逐字符地检查它们。如果您希望代码在极端情况下快速运行，您应该跳过逐字符比较并找出处理误报的方法。，哈希是平等的，但字符串不是）。挑选大质数q可能有助于将误报的可能性降低到可接受的水平。

Answer 2

好了，答案是，你需要缩进了“的”循环：

def Rabin_Karp_Matcher(text, pattern, d, q): 
    n = len(text) 
    m = len(pattern) 
    h = pow(d,m-1)%q 
    p = 0 
    t =0 
    result = [] 
    for i in range(m): # preprocessing 
     p = (d*p+ord(pattern[i]))%q 
     t = (d*t+ord(text[i]))%q 

     for s in range(n-m): 
      if p == t: # check character by character 
       match = True 
       for i in range(m): 
        if pattern[i] != text[s+i]: 
         match = False 
         break 
       if match: 
        result = result + [s] 
      if s < n-m: 
        t = (d*(t-ord(text[s+1])*h)+ord(text[s+m]))%q #index out of bounds here 


    return result 

这给了我一个在nswer 6，这正是你想要的我想象的。有趣的算法人。