字符串匹配 -- KMP算法

字符串匹配 -- KMP算法

参考资料

1 数据结构( C 语言版)

2 Matrix67 : KMP算法详解

3 任我行 ：KMP算法详解

4 july：六之续、由KMP算法谈到BM算法

概述

    在前面的文章 朴素字符串匹配、 Rabin-Karp算法中，对有关字符串匹配问题做了相关的介绍。其中 朴素字符串匹配效率较差，其时间复杂度为 O ( ( n - m + 1 ) m ) ，当问题规模较大时，该算法的劣势会变得更加明显； Rabin-Karp算法需要一个预处理，其时间为 O ( m ) ，匹配的最坏时间复杂度为 O ( ( n - m + 1 ) m ) ，但在平均情况和实际情况下，其效果还是不错的，所以应用还是很广的。

    事实上还有一种字符串匹配算法 -- KMP算法 ( 有人将此算法戏称为看mao片算法，呵呵！！无力吐槽了都！！ )，其效率更高。该算法也需要对模式进行预处理，其时间复杂度为 O ( m )，匹配的时间复杂度为 O ( n ) 。该算法是由Knuth、Morris、Pratt三人设计的线性时间字符串匹配算法。在此不得不佩服这三位大牛，该算法设计的实在巧妙，代码简短精巧，为了把这个算法看懂还要反复思考琢磨，花了我不少时间。

算法思想

KMP算法与以往的字符串匹配算法不同的一点是：每当一趟匹配过程中出现比较不匹配时，不需要对字符串进行回溯，而是利用已经得到的“部分匹配”的结果将模式向右滑动尽可能远的一段距离后，继续进行比较。

该算法一个最重要的就是对模式进行预处理，也就是通过预处理得到一个数组 next[ ] ，该数组用来说明档模式中第 j 个字符与主串中相应字符“失配”之后，在模式中需要重新和主串中该字符进行比较的字符的位置。下面将给出求 next 数组的方法。

 

KMP算法的匹配过程

有一个字符串 str = "acabaabaabcac " ，模式 p = "abaabcac" 。模式 p 的 next 数组已得到，如下图

得到模式 P 的 next 数组之后，就可以对字符串进行匹配了。

匹配过程

我们用两个指针i和j分别指向 str 和 P 。在匹配之前，我们需要知道 next 大概要完成什么样的工作。我们根据模式 P 的特点，

1 字符串 str 与模式 P 进行匹配，str[ 1 ] != P[ 1 ] ，失配。此时我来做些说明。对于一般情况，当失配的时候，str[ i ] ! = P[ j ]，说明 str[ i - j  .. i-1] = P[ 0 .. j-1 ] 。

此时，字符串 str 不动，查找模式 P 的 next 数组。next[ 1 ] = 0 ，于是模式从 P[ next [ 1 ] ] 开始与str[ 1 ] 进行比较。

2 此时从 P[ next [ 1 ] ] 也就是 P [ 0 ] 开始与str[ 1 ] 进行比较，失配，此时j = next[ 0] = -1 ，i 和 j 同时都加1，即 i = 2 ，j = 0 ，分别从 str [ 2 ] 和 P [0 ] 开始比较

3  当从 str [ 2 ] 和 P [0 ] 开始比较，一直匹配直到 i = 7 和 j = 5 时失配。此时查找 next[ 5 ] = 2 ，说明 模式 P  在 0~1  与3~ 4 的字符串相等。同时 str[ 3] ~ str[4] = str[6] ~ str[7] 。P [ 0 ] ~ P [ 1 ] 等于 str [ 3 ] ~ str [ 4 ] ，也等于 str [ 6 ] ~ str[ 7 ] ，所以模式在比较的时候 str[ 6 ] ~ str[ 7 ] 就不需要比较了，直接从 j = next[5] = 2 处与 str[ 7 ] 进行比较即可。

4  匹配成功！！

next数组

从上面的匹配过程中，可以看到模式右移是根据 next [ j ] 来决定应该要右移多少。那么next数组是怎么得到的呢。

我们看一下求next数组的代码

void get_next( const char* s , int len , int *next)
{
    int i  = 0;
    next[0] = -1;
    int j = -1;
    while(i < len-1)
    {
        if( j == -1 || s[i] == s[j])  //j=-1:模式开始位置  ；当s[i] = s[j] :模式将继续往前
        {
            ++i;
            ++j;
            if( s[i] != s[j])  //不相等，则到此结束
                next[i] = j;
            else
                next[i] = next[j];
        }
        else  //当
            j = next[j];
    }
}

根据该代码，我们可以大致得到以下步骤

1 初始化。 i = 0 , j = -1 next[ 0 ]  = -1

2 执行循环。

3  满足 j == -1  或 s[ i ] = s[ j ] 时，i ，j 同时加1 ，之后判断s[ i ] 是否 s[ j ] 。若不等，则next [ i ] = j ；否则 next [ i ] = next [ j ]

4  若不满足 j == -1  或 s[ i ] = s[ j ] ，则 j 回溯，j = next [ j ] 

 next 求解过程

1 模式p = "abaabcac" 。初始化： i = 0 ， j = -1 ， next [ 0 ] = -1

2 j == -1 ，++i ，++j 则 i= 1，j = 0。P[1] != P[0] 于是 next [1 ] = 0

3  P[1] != P[0] ，执行else 语句，j = next [ 0] = -1 。此时 i = 1 ，j = -1，进入循环之后，i = 2，j= 0 。P[2 ] = P[ 0 ] ，所以 next [ 2 ] = next [ 0] = -1

4 此时i = 2 , j = 0。进入循环，P[2 ] = P[ 0 ]，i = 3，j = 1，P[ 3 ] != P [ 1 ] ，next[3] = 1。

 

5 此时 i = 3 , j = 1。进入循环，P[ 3 ] != P [ 1 ] ，于是执行else 语句，j = next [1 ] = 0。再次比较 P[ 3 ] = P [ 0 ] ，于是 i = 4 , j = 1。P[ 4 ] = P [ 1 ] ，next [ 4  ] = next [ 1 ] = 0

6 此时 i = 4 , j = 1，进入循环，P[ 4 ] = P [ 1 ] ，i= 5，j = 2 ，P[ 5 ] ！= P [ 2 ] ，next [ 5 ] = 2 

7 此时 i = 5 , j = 2 ,进入循环，P[ 5 ] ！= P [ 2 ] ，执行else 语句，j = next [2 ]  = -1。于是i = 6 , j = 0。P[ 6 ] = P [ 0 ] ，则next [ 6 ] = next[0] = -1

8 此时 i = 6, j = 0，进入循环，P[ 6 ] = P [ 0 ] ，i = 7 , j = 1 。P[ 7 ] != P [ 1 ] ,于是 next [ 7 ] = j = 1.

到此，整个求解 next 数组完成了。

KMP代码实现

#include <iostream>
using namespace std;
void get_next( const char* s , int len , int *next)
{
    int i  = 0;
    next[0] = -1;
    int j = -1;
    while(i < len-1)
    {
        if( j == -1 || s[i] == s[j])  //j=-1:模式开始位置  s[i] = s[j] :模式将继续往前
        {
            ++i;
            ++j;
            if( s[i] != s[j])  
                next[i] = j;
            else
                next[i] = next[j];
        }
        else  //当
            j = next[j];
    }
}

int kmp( const char* s, int slen, const char* p, int plen, const int* next, int pos)
{
    int i = pos;
    int j  = 0;
    while( i < slen && j < plen)
    {
        if( j == -1 || s[i] == p[j])  // s[i] == p[j] ： 匹配则继续向前，s和p同时向前  j=-1表示从模式开头进行匹配
        {
            ++i;
            ++j;
        }
        else   //不匹配则模式回溯
            j = next[j];
    }
    if( j >= plen)
        return i-plen;
    else
        return -1;
}
int main()
{
        char *str = "acabaabaabcacaabc";
        char *p = "abaabcac";
        int next[8] ={0};
        get_next(p,8,next);
        int pos = kmp(str,17,p,8,next,0);
        cout << "pos:" << pos << endl;
        for(int i = 0 ; i < 8 ; i++)
            cout << next[i] << ' ' ;
            cout << endl;
        return 0;
}

      转载该文章请注明作者和出处 ，请勿用于任何商业用途