一、KMP算法简介
KMP字符串模式匹配通俗点说就是一种在一个字符串中定位另一个串的高效算法。
给定主串S(Source,长度为n),模式串P(Pattern, 长度为m),要求查找出P在S中出现的位置,一般即为第一次出现的位置,如果S中没有P子串,返回相应的结果。如下图查找成功,则查找结果返回2
简单匹配算法的时间复杂度为O(m*n);KMP匹配算法可以证明它的时间复杂度为O(m+n)
二、KMP算法原理
首先,字符串"BBC ABCDAB ABCDABCDABDE"的第一个字符与搜索词"ABCDABD"的第一个字符,进行比较。因为B与A不匹配,所以搜索词后移一位。
因为B与A不匹配,搜索词再往后移。
就这样,直到字符串有一个字符,与搜索词的第一个字符相同为止。
接着比较字符串和搜索词的下一个字符,还是相同。
直到字符串有一个字符,与搜索词对应的字符不相同为止。
这时,最自然的反应是,将搜索词整个后移一位,再从头逐个比较。这样做虽然可行,但是效率很差,因为你要把"搜索位置"移到已经比较过的位置,重比一遍。
一个基本事实是,当空格与D不匹配时,你其实知道前面六个字符是"ABCDAB"。KMP 算法的想法是,设法利用这个已知信息,不要把"搜索位置"移回已经比较过的位置,继续把它向后移,这样就提高了效率。
怎么做到这一点呢?可以针对搜索词,算出一张《部分匹配表》(Partial Match Table)。这张表是如何产生的,后面再介绍,这里只要会用就可以了。
已知空格与D不匹配时,前面六个字符"ABCDAB"是匹配的。查表可知,最后一个匹配字符B对应的"部分匹配值"为2,因此按照下面的公式算出向后移动的位数:
移动位数 = 已匹配的字符数 - 对应的部分匹配值
因为 6 - 2 等于4,所以将搜索词向后移动 4 位。
因为空格与C不匹配,搜索词还要继续往后移。这时,已匹配的字符数为2("AB"),对应的"部分匹配值"为0。所以,移动位数 = 2 - 0,结果为 2,于是将搜索词向后移 2 位。
因为空格与A不匹配,继续后移一位。
逐位比较,直到发现C与D不匹配。于是,移动位数 = 6 - 2,继续将搜索词向后移动 4 位。
逐位比较,直到搜索词的最后一位,发现完全匹配,于是搜索完成。如果还要继续搜索(即找出全部匹配),移动位数 = 7 - 0,再将搜索词向后移动 7 位,这里就不再重复了。
下面介绍《部分匹配表》是如何产生的。
首先,要了解两个概念:"前缀"和"后缀"。 "前缀"指除了最后一个字符以外,一个字符串的全部头部组合;"后缀"指除了第一个字符以外,一个字符串的全部尾部组合。
"部分匹配值"就是"前缀"和"后缀"的最长的共有元素的长度。以"ABCDABD"为例,
-"A"的前缀和后缀都为空集,共有元素的长度为0;
-"AB"的前缀为[A],后缀为[B],共有元素的长度为0;
-"ABC"的前缀为[A, AB],后缀为[BC, C],共有元素的长度0;
-"ABCD"的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共有元素的长度为0;
-"ABCDA"的前缀为[A, AB, ABC, ABCD],后缀为[BCDA, CDA, DA, A],共有元素为"A",长度为1;
-"ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA],后缀为[BCDAB, CDAB, DAB, AB, B],共有元素为"AB",长度为2;
-"ABCDABD"的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB],后缀为[BCDABD, CDABD, DABD, ABD, BD, D],共有元素的长度为0。
"部分匹配"的实质是,有时候,字符串头部和尾部会有重复。比如,"ABCDAB"之中有两个"AB",那么它的"部分匹配值"就是2("AB"的长度)。搜索词移动的时候,第一个"AB"向后移动 4 位(字符串长度-部分匹配值),就可以来到第二个"AB"的位置。
三、JAVA实现
public class Kmp {
public static void main(String[] args) {
String mainStr = "BBC ABCDAB ABCDABCDABDE"; // 主串
String subStr = "ABCDABD"; // 模式串
char[] mainArr = mainStr.toCharArray(); // 主串数组
char[] subArr = subStr.toCharArray(); // 模式串数组
System.out.println(getMatchIndex(mainArr, subArr)); // KMP匹配字符串
}
/**
* KMP匹配字符串
*
* @param mainArr主串数组
* @param subArr模式串数组
* @return 若匹配成功,返回下标,否则返回-1
*/
public static int getMatchIndex(char[] mainArr, char[] subArr) {
int[] next = next(subArr);
int i = 0;
int j = 0;
while (i <= mainArr.length - 1 && j <= subArr.length - 1) {
if (j == -1 || mainArr[i] == subArr[j]) {
i++;
j++;
} else {
j = next[j];
}
}
if (j < subArr.length) {
return -1;
} else
return i - subArr.length; // 返回模式串在主串中的头下标
}
/**
* 获得一个回退位置的数组
*
* @param subArr模式串数组
* @return next回退位置数组
*/
public static int[] next(char[] subArr) {
int[] next = new int[subArr.length];
next[0] = -1;
int i = 0;
int j = -1;
while (i < subArr.length - 1) {
if (j == -1 || subArr[i] == subArr[j]) {
i++;
j++;
if (subArr[i] != subArr[j]) {
next[i] = j;
} else {
next[i] = next[j];
}
} else {
j = next[j];
}
}
return next;
}
}
参考:
http://news.cnblogs.com/n/176771/
http://blog.csdn.net/u011564456/article/details/20862555?utm_source=tuicool&utm_medium=referral
http://blog.chinaunix.net/uid-27164517-id-3280128.html
http://blog.csdn.net/v_july_v/article/details/6545192
http://www.cnblogs.com/Topless/archive/2011/10/16/2214450.html
http://blog.csdn.net/tkd03072010/article/details/6824326
http://blog.sina.com.cn/s/blog_70280a190101alr3.html
http://www.cnblogs.com/tudas/p/a-brief-introduce-to-kmp-algorithm.html
http://blog.csdn.net/zdp072/article/details/13161295