KMP算法

前言：

解 题目 Leetcode 28 Implement strStr()时，查阅和整理了关于KMP算法的资料。

The complexity of the getnext() algorithm is O(k), where k is the length of patterns（模式串/needles）。
next数组的构建的时间复杂度是O(k)
The search portion of the Knuth–Morris–Pratt algorithm has complexity O(n), where n is the length of S and the O is big-O notation.
KMP算法搜索部分的时间复杂度是O(n)
Since the two portions of the algorithm have, respectively, complexities of O(k) and O(n), the complexity of the overall algorithm is O(n + k).
所以KMP算法的时间复杂度是O(n + k).

1.kmp算法的原理：

　　本部分内容转自：阮一峰-字符串匹配的KMP算法

字符串匹配是计算机的基本任务之一。

举例来说，有一个字符串”BBC ABCDAB ABCDABCDABDE”，我想知道，里面是否包含另一个字符串”ABCDABD”？

许多算法可以完成这个任务，Knuth-Morris-Pratt算法（简称KMP）是最常用的之一。它以三个发明者命名，起头的那个K就是著名科学家Donald Knuth。
下面，我用自己的语言，试图写一篇比较好懂的KMP算法解释。

1.

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。

2.

因为B与A不匹配，搜索词再往后移。

3.

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。

4.

接着比较字符串和搜索词的下一个字符，还是相同。

5.

直到字符串有一个字符，与搜索词对应的字符不相同为止。

6.

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。

7.

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。

8.

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。

9.

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。

10.

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。

11.

因为空格与A不匹配，继续后移一位。

12.

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。

13.

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。

14.

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。

15.

“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。

16.

“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。

2.next数组的求解思路

    /**
     * next[]: the length of the longest possible proper initial segment 
     * @param needle  patterns 模式串
     * @return
     */
    private int[] getNext(String needle){
        int next[] = new int[needle.length()];
        next[0] = 0;
        int i = 1, j = 0;

        while ( i<needle.length() ) {
            while( j>0 && needle.charAt(i)!=needle.charAt(j) )
                j = next[j-1];
            if(needle.charAt(i)==needle.charAt(j))
                j++;

            next[i] = j;
            i++;
        }
        return next;
    }

　　现在我着重讲解一下while循环所做的工作：
　　

1. 已知前一步计算时最大相同的前后缀长度为k（k>0），即P[0]···P[k-1]；
2. 此时比较第k项P[k]与P[q],如图1所示
3. 如果P[K]等于P[q]，那么很简单跳出while循环;

4. 关键如果不等呢？？？那么我们应该利用已经得到的next[0]···next[k-1]来求P[0]···P[k-1]这个子串中最大相同前后缀，可能有同学要问了——为什么要求P[0]···P[k-1]的最大相同前后缀呢？？？是啊！为什么呢？
   原因在于P[k]已经和P[q]失配了，而且P[q-k] ··· P[q-1]又与P[0]
   ···P[k-1]相同，看来P[0]···P[k-1]这么长的子串是用不了了，那么我要找个同样也是P[0]打头、P[k-1]结尾的子串即P[0]···Pj-1，看看它的下一项P[j]是否能和P[q]匹配。如图2所示

   
   

附代码-java：

private int KMP(String haystack, String needle){
        int next[] = getNext(needle);
        int i=0, j=0;

        while( i<haystack.length() && j<needle.length() ){
            if( j==-1 || haystack.charAt(i) == needle.charAt(j) ){
                i++;
                j++;
            }
            else{
                if(j<1)
                    j = -1;
                else    
                    j = next[j-1];
            }
        }

        if(j==needle.length()){
            return i-needle.length();
        }
        return -1;
    }


    /**
     * next[]: the length of the longest possible proper initial segment 
     * @param needle  patterns 模式串
     * @return
     */
    private int[] getNext(String needle){
        int next[] = new int[needle.length()];
        next[0] = 0;
        int i = 1, j = 0;

        while ( i<needle.length() ) {
            while( j>0 && needle.charAt(i)!=needle.charAt(j) )
                j = next[j-1];
            if(needle.charAt(i)==needle.charAt(j))
                j++;

            next[i] = j;
            i++;
        }
        return next;
    }