الگوریتم رابین کارپ (Rabin-Karp Algorithm) — به زبان ساده

۷۶۳ بازدید
آخرین به‌روزرسانی: ۱۹ اردیبهشت ۱۴۰۲
زمان مطالعه: ۱۰ دقیقه
دانلود PDF مقاله
الگوریتم رابین کارپ (Rabin-Karp Algorithm) — به زبان ساده

در این مطلب، «الگوریتم رابین کارپ» (Rabin-Karp Algorithm) که برای جستجوی رشته و الگو استفاده می‌شود، مورد بررسی قرار گرفته و پیاده‌سازی آن در زبان‌های برنامه‌نویسی گوناگون شامل  ++C، «سی» (C)، «جاوا» (Java)، «پایتون» (Python)، «سی‌ شارپ» (#C) و «پی‌اچ‌پی» (PHP) انجام شده است.

997696

الگوریتم رابین کارپ

فرض می‌شود که متن [text txt[0..n-1 و الگوی [pat[0..m-1 داده شده است. هدف نوشتن تابع جستجویی (char pat[], char txt[]‎) است که همه وقوع‌های []pat در []txt را چاپ کند.

همچنین، فرض می‌شود که n > m است. مثال زیر در این راستا قابل توجه است.

Input:  txt[] = "THIS IS A TEST TEXT"
        pat[] = "TEST"
Output: Pattern found at index 10

Input:  txt[] =  "AABAACAADAABAABA"
        pat[] =  "AABA"
Output: Pattern found at index 0
        Pattern found at index 9
        Pattern found at index 12

الگوریتم رابین کارپ -- به زبان ساده

الگوریتم تطبیق الگوی ساده، الگو را به صورت اسلایدی (کشویی) در متن جستجو می‌کند. پس از هر اسلاید، کاراکترها یکی یکی در قسمت کنونی بررسی می‌شوند و اگر مطابق با الگو بودند، پرینت می‌شوند. همچون الگوریتم جستجوی رشته ساده، الگوریتم رابین کارپ نیز الگو را یکی یکی اسلاید می‌کند. اما بر خلاف الگوریتم ساده، به جای خود الگو و خود متن، الگوریتم رابین کارپ مقدار هش الگو را با مقدار هش زیر رشته کنونی از متن مطابقت می‌دهد و اگر مقادیر هش با یکدیگر تطبیق داشته باشند، تطبیق کاراکتر به کاراکتر انجام می‌شود. بنابراین، الگوریتم رابین کارپ نیاز به محاسبه مقادیر هش برای رشته‌های زیر دارد.

  1. خود الگو
  2. همه زیر رشته‌های موجود در متن به طول m

از آنجا که نیاز به محاسبه موثر مقادیر هش برای همه زیررشته‌ها با اندازه m از متن است، باید یک تابع هش داشت که دارای مشخصاتی باشد که در ادامه بیان شده است. هش در هر جا به جایی (شیفت)، باید به طور موثری بر اساس مقادیر هش کنونی و کاراکتر بعدی در متن قابل محاسبه باشد. در واقع می‌توان گفت ([hash(txt[s+1 .. s+m باید به طور کارایی از ([hash(txt[s .. s+m-1 و [txt[s+m قابل محاسبه باشد؛ یعنی [(hash(txt[s+1 .. s+m])= rehash(txt[s+m], hash(txt[s .. s+m-1 و rehash باید عملیات از درجه (O(1 باشد.

تابع هش توصیه شده توسط رابین و کارپ، یک مقدار صحیح را محاسبه می‌کند. مقدار صحیح برای یک رشته، یک مقدار عددی از رشته است. برای مثال، اگر همه کاراکترهای ممکن از ۱ تا ۱۰ هستند، مقدار عددی "122" برابر با ۱۲۲ خواهد بود. تعداد کاراکترهای ممکن بالاتر از ۱۰ است (عموما ۲۵۶) و طول الگو می‌تواند بزرگ باشد. بنابراین، مقادیر عددی را نمی‌توان به صورت کاربردی به عنوان عدد صحیح ذخیره کرد. بنابراین، مقدار عددی با استفاده از «حساب ماژولار» (Modular Arithmetic) محاسبه می‌شود تا اطمینان حاصل شود که مقادیر هش را می‌توان در یک متغیر صحیح ذخیره کرد (می‌تواند در کلمات حافظه جا شود). برای هش کردن دوباره (بازهش)، نیاز به خارج کردن قابل توجه‌ترین رقم و افزودن کم اهمیت‌ترین رقم جدید در مقدار هش است. بازهش کردن با استفاده از فرمول زیر انجام می‌شود.

hash( txt[s+1 .. s+m] ) = ( d ( hash( txt[s .. s+m-1]) – txt[s]*h ) + txt[s + m] ) mod q

hash( txt[s .. s+m-1] ): s مقدار هش در شیفت

hash( txt[s+1 .. s+m] ): (s+1 مقدار هش در شیفت بعدی (یا شیفت

d: تعداد کاراکترها در الفبا

q: یک عدد اول

h: d^(m-1)

عبارت بالا چگونه کار می‌کند؟

این یک راهکار ریاضیاتی ساده است که در آن، مقدار اعشاری پنجره کنونی بر اساس پنجره پیشین محاسبه می‌شود. برای مثال، طول الگو ۳ و رشته «۲۳۴۵۶» است. مقدار اولین پنجره (که ۲۳۴ است) برابر با «۲۳۴» محاسبه شده است. برای محاسبه پنجره بعدی یعنی «۳۴۵»، محاسبه ۵+۱۰*(۱۰۰*۲– ۲۳۴) انجام و نتیجه ۳۴۵ حاصل می‌شود.

الگوریتم رابین کارپ در ++C

1/* Following program is a C++ implementation of Rabin Karp  
2Algorithm given in the CLRS book */
3#include <bits/stdc++.h> 
4using namespace std; 
5  
6// d is the number of characters in the input alphabet  
7#define d 256  
8  
9/* pat -> pattern  
10    txt -> text  
11    q -> A prime number  
12*/
13void search(char pat[], char txt[], int q)  
14{  
15    int M = strlen(pat);  
16    int N = strlen(txt);  
17    int i, j;  
18    int p = 0; // hash value for pattern  
19    int t = 0; // hash value for txt  
20    int h = 1;  
21  
22    // The value of h would be "pow(d, M-1)%q"  
23    for (i = 0; i < M - 1; i++)  
24        h = (h * d) % q;  
25  
26    // Calculate the hash value of pattern and first  
27    // window of text  
28    for (i = 0; i < M; i++)  
29    {  
30        p = (d * p + pat[i]) % q;  
31        t = (d * t + txt[i]) % q;  
32    }  
33  
34    // Slide the pattern over text one by one  
35    for (i = 0; i <= N - M; i++)  
36    {  
37  
38        // Check the hash values of current window of text  
39        // and pattern. If the hash values match then only  
40        // check for characters on by one  
41        if ( p == t )  
42        {  
43            /* Check for characters one by one */
44            for (j = 0; j < M; j++)  
45            {  
46                if (txt[i+j] != pat[j])  
47                    break;  
48            }  
49  
50            // if p == t and pat[0...M-1] = txt[i, i+1, ...i+M-1]  
51            if (j == M)  
52                cout<<"Pattern found at index "<< i<<endl;  
53        }  
54  
55        // Calculate hash value for next window of text: Remove  
56        // leading digit, add trailing digit  
57        if ( i < N-M )  
58        {  
59            t = (d*(t - txt[i]*h) + txt[i+M])%q;  
60  
61            // We might get negative value of t, converting it  
62            // to positive  
63            if (t < 0)  
64            t = (t + q);  
65        }  
66    }  
67}  
68  
69/* Driver code */
70int main()  
71{  
72    char txt[] = "GEEKS FOR GEEKS";  
73    char pat[] = "GEEK";  
74    int q = 101; // A prime number  
75    search(pat, txt, q);  
76    return 0;  
77}  
78  
79// This is code is contributed by rathbhupendra 

الگوریتم رابین کارپ در C

1/* Following program is a C implementation of Rabin Karp 
2Algorithm given in the CLRS book */
3#include<stdio.h> 
4#include<string.h> 
5  
6// d is the number of characters in the input alphabet 
7#define d 256 
8  
9/* pat -> pattern 
10    txt -> text 
11    q -> A prime number 
12*/
13void search(char pat[], char txt[], int q) 
14{ 
15    int M = strlen(pat); 
16    int N = strlen(txt); 
17    int i, j; 
18    int p = 0; // hash value for pattern 
19    int t = 0; // hash value for txt 
20    int h = 1; 
21  
22    // The value of h would be "pow(d, M-1)%q" 
23    for (i = 0; i < M-1; i++) 
24        h = (h*d)%q; 
25  
26    // Calculate the hash value of pattern and first 
27    // window of text 
28    for (i = 0; i < M; i++) 
29    { 
30        p = (d*p + pat[i])%q; 
31        t = (d*t + txt[i])%q; 
32    } 
33  
34    // Slide the pattern over text one by one 
35    for (i = 0; i <= N - M; i++) 
36    { 
37  
38        // Check the hash values of current window of text 
39        // and pattern. If the hash values match then only 
40        // check for characters on by one 
41        if ( p == t ) 
42        { 
43            /* Check for characters one by one */
44            for (j = 0; j < M; j++) 
45            { 
46                if (txt[i+j] != pat[j]) 
47                    break; 
48            } 
49  
50            // if p == t and pat[0...M-1] = txt[i, i+1, ...i+M-1] 
51            if (j == M) 
52                printf("Pattern found at index %d \n", i); 
53        } 
54  
55        // Calculate hash value for next window of text: Remove 
56        // leading digit, add trailing digit 
57        if ( i < N-M ) 
58        { 
59            t = (d*(t - txt[i]*h) + txt[i+M])%q; 
60  
61            // We might get negative value of t, converting it 
62            // to positive 
63            if (t < 0) 
64            t = (t + q); 
65        } 
66    } 
67} 
68  
69/* Driver program to test above function */
70int main() 
71{ 
72    char txt[] = "GEEKS FOR GEEKS"; 
73    char pat[] = "GEEK"; 
74    int q = 101; // A prime number 
75    search(pat, txt, q); 
76    return 0; 
77}

الگوریتم رابین کارپ در جاوا

1// Following program is a Java implementation  
2// of Rabin Karp Algorithm given in the CLRS book 
3  
4public class Main  
5{ 
6    // d is the number of characters in the input alphabet 
7    public final static int d = 256; 
8      
9    /* pat -> pattern 
10        txt -> text 
11        q -> A prime number 
12    */
13    static void search(String pat, String txt, int q) 
14    { 
15        int M = pat.length(); 
16        int N = txt.length(); 
17        int i, j; 
18        int p = 0; // hash value for pattern 
19        int t = 0; // hash value for txt 
20        int h = 1; 
21      
22        // The value of h would be "pow(d, M-1)%q" 
23        for (i = 0; i < M-1; i++) 
24            h = (h*d)%q; 
25      
26        // Calculate the hash value of pattern and first 
27        // window of text 
28        for (i = 0; i < M; i++) 
29        { 
30            p = (d*p + pat.charAt(i))%q; 
31            t = (d*t + txt.charAt(i))%q; 
32        } 
33      
34        // Slide the pattern over text one by one 
35        for (i = 0; i <= N - M; i++) 
36        { 
37      
38            // Check the hash values of current window of text 
39            // and pattern. If the hash values match then only 
40            // check for characters on by one 
41            if ( p == t ) 
42            { 
43                /* Check for characters one by one */
44                for (j = 0; j < M; j++) 
45                { 
46                    if (txt.charAt(i+j) != pat.charAt(j)) 
47                        break; 
48                } 
49      
50                // if p == t and pat[0...M-1] = txt[i, i+1, ...i+M-1] 
51                if (j == M) 
52                    System.out.println("Pattern found at index " + i); 
53            } 
54      
55            // Calculate hash value for next window of text: Remove 
56            // leading digit, add trailing digit 
57            if ( i < N-M ) 
58            { 
59                t = (d*(t - txt.charAt(i)*h) + txt.charAt(i+M))%q; 
60      
61                // We might get negative value of t, converting it 
62                // to positive 
63                if (t < 0) 
64                t = (t + q); 
65            } 
66        } 
67    } 
68      
69    /* Driver program to test above function */
70    public static void main(String[] args) 
71    { 
72        String txt = "GEEKS FOR GEEKS"; 
73        String pat = "GEEK"; 
74        int q = 101; // A prime number 
75        search(pat, txt, q); 
76    } 
77} 
78  
79// This code is contributed by nuclode 

الگوریتم رابین کارپ در پایتون

1# Following program is the python implementation of 
2# Rabin Karp Algorithm given in CLRS book 
3  
4# d is the number of characters in the input alphabet 
5d = 256
6  
7# pat  -> pattern 
8# txt  -> text 
9# q    -> A prime number 
10  
11def search(pat, txt, q): 
12    M = len(pat) 
13    N = len(txt) 
14    i = 0
15    j = 0
16    p = 0    # hash value for pattern 
17    t = 0    # hash value for txt 
18    h = 1
19  
20    # The value of h would be "pow(d, M-1)%q" 
21    for i in xrange(M-1): 
22        h = (h*d)%q 
23  
24    # Calculate the hash value of pattern and first window 
25    # of text 
26    for i in xrange(M): 
27        p = (d*p + ord(pat[i]))%q 
28        t = (d*t + ord(txt[i]))%q 
29  
30    # Slide the pattern over text one by one 
31    for i in xrange(N-M+1): 
32        # Check the hash values of current window of text and 
33        # pattern if the hash values match then only check 
34        # for characters on by one 
35        if p==t: 
36            # Check for characters one by one 
37            for j in xrange(M): 
38                if txt[i+j] != pat[j]: 
39                    break
40  
41            j+=1
42            # if p == t and pat[0...M-1] = txt[i, i+1, ...i+M-1] 
43            if j==M: 
44                print "Pattern found at index " + str(i) 
45  
46        # Calculate hash value for next window of text: Remove 
47        # leading digit, add trailing digit 
48        if i < N-M: 
49            t = (d*(t-ord(txt[i])*h) + ord(txt[i+M]))%q 
50  
51            # We might get negative values of t, converting it to 
52            # positive 
53            if t < 0: 
54                t = t+q 
55  
56# Driver program to test the above function 
57txt = "GEEKS FOR GEEKS"
58pat = "GEEK"
59q = 101 # A prime number 
60search(pat,txt,q) 
61  
62# This code is contributed by Bhavya Jain

الگوریتم رابین کارپ در #C

1// Following program is a C# implementation  
2// of Rabin Karp Algorithm given in the CLRS book  
3using System; 
4public class GFG  
5{  
6    // d is the number of characters in the input alphabet  
7    public readonly static int d = 256;  
8      
9    /* pat -> pattern  
10        txt -> text  
11        q -> A prime number  
12    */
13    static void search(String pat, String txt, int q)  
14    {  
15        int M = pat.Length;  
16        int N = txt.Length;  
17        int i, j;  
18        int p = 0; // hash value for pattern  
19        int t = 0; // hash value for txt  
20        int h = 1;  
21      
22        // The value of h would be "pow(d, M-1)%q"  
23        for (i = 0; i < M-1; i++)  
24            h = (h*d)%q;  
25      
26        // Calculate the hash value of pattern and first  
27        // window of text  
28        for (i = 0; i < M; i++)  
29        {  
30            p = (d*p + pat[i])%q;  
31            t = (d*t + txt[i])%q;  
32        }  
33      
34        // Slide the pattern over text one by one  
35        for (i = 0; i <= N - M; i++)  
36        {  
37      
38            // Check the hash values of current window of text  
39            // and pattern. If the hash values match then only  
40            // check for characters on by one  
41            if ( p == t )  
42            {  
43                /* Check for characters one by one */
44                for (j = 0; j < M; j++)  
45                {  
46                    if (txt[i+j] != pat[j])  
47                        break;  
48                }  
49      
50                // if p == t and pat[0...M-1] = txt[i, i+1, ...i+M-1]  
51                if (j == M)  
52                    Console.WriteLine("Pattern found at index " + i);  
53            }  
54      
55            // Calculate hash value for next window of text: Remove  
56            // leading digit, add trailing digit  
57            if ( i < N-M )  
58            {  
59                t = (d*(t - txt[i]*h) + txt[i+M])%q;  
60      
61                // We might get negative value of t, converting it  
62                // to positive  
63                if (t < 0)  
64                t = (t + q);  
65            }  
66        }  
67    }  
68      
69    /* Driver program to test above function */
70    public static void Main()  
71    {  
72        String txt = "GEEKS FOR GEEKS";  
73        String pat = "GEEK";  
74        int q = 101; // A prime number  
75        search(pat, txt, q);  
76    }  
77}  
78  
79// This code is contributed by PrinciRaj19992

الگوریتم رابین کارپ در PHP

1<?php 
2// Following program is a PHP  
3// implementation of Rabin Karp 
4// Algorithm given in the CLRS book  
5  
6// d is the number of characters 
7// in the input alphabet 
8$d = 256; 
9  
10/* pat -> pattern 
11   txt -> text 
12   q -> A prime number 
13*/
14function search($pat, $txt, $q) 
15{ 
16    $M = strlen($pat); 
17    $N = strlen($txt); 
18    $i; $j; 
19    $p = 0; // hash value  
20            // for pattern 
21    $t = 0; // hash value  
22            // for txt 
23    $h = 1; 
24    $d =1; 
25  
26    // The value of h would 
27    // be "pow(d, M-1)%q" 
28    for ($i = 0; $i < $M - 1; $i++) 
29        $h = ($h * $d) % $q; 
30  
31    // Calculate the hash value 
32    // of pattern and first 
33    // window of text 
34    for ($i = 0; $i < $M; $i++) 
35    { 
36        $p = ($d * $p + $pat[$i]) % $q; 
37        $t = ($d * $t + $txt[$i]) % $q; 
38    } 
39  
40    // Slide the pattern over 
41    // text one by one 
42    for ($i = 0; $i <= $N - $M; $i++) 
43    { 
44  
45        // Check the hash values of  
46        // current window of text 
47        // and pattern. If the hash 
48        // values match then only 
49        // check for characters on 
50        // by one 
51        if ($p == $t) 
52        { 
53            // Check for characters 
54            // one by one 
55            for ($j = 0; $j < $M; $j++) 
56            { 
57                if ($txt[$i + $j] != $pat[$j]) 
58                    break; 
59            } 
60  
61            // if p == t and pat[0...M-1] =  
62            // txt[i, i+1, ...i+M-1] 
63            if ($j == $M) 
64                echo "Pattern found at index ", 
65                                      $i, "\n"; 
66        } 
67  
68        // Calculate hash value for  
69        // next window of text:  
70        // Remove leading digit, 
71        // add trailing digit 
72        if ($i < $N - $M) 
73        { 
74            $t = ($d * ($t - $txt[$i] *  
75                        $h) + $txt[$i +  
76                             $M]) % $q; 
77  
78            // We might get negative  
79            // value of t, converting 
80            // it to positive 
81            if ($t < 0) 
82            $t = ($t + $q); 
83        } 
84    } 
85} 
86  
87// Driver Code 
88$txt = "GEEKS FOR GEEKS"; 
89$pat = "GEEK"; 
90$q = 101; // A prime number 
91search($pat, $txt, $q); 
92  
93// This code is contributed 
94// by ajit 
95?> 

خروجی قطعه کدهای بالا به صورت زیر است.

Pattern found at index 0
Pattern found at index 10

زمان اجرای میانگین و بهترین حالت برای الگوریتم رابین کارپ از درجه (O(n+m و بدترین حالت از درجه (O(nm است. بدترین حالت از الگوریتم رابین کارپ هنگامی به وقوع می‌پیوندد که همه کاراکترهای الگو و متن مشابه باشند، به طوری که مقادیر هش همه زیر مجموعه‌های []txt با مقدار هش []pat تطبیق پیدا کنند. برای مثال، ”pat[] = “AAA و ”txt[] = “AAAAAAA.

اگر نوشته بالا برای شما مفید بوده است، آموزش‌های زیر نیز به شما پیشنهاد می‌شوند:

^^

بر اساس رای ۲ نفر
آیا این مطلب برای شما مفید بود؟
اگر بازخوردی درباره این مطلب دارید یا پرسشی دارید که بدون پاسخ مانده است، آن را از طریق بخش نظرات مطرح کنید.
منابع:
GeeksforGeeks
نظر شما چیست؟

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *