关闭

KMP算法及java实现

标签: 算法kmpjava
222人阅读 评论(0) 收藏 举报
分类:

【参考资料】

关于KMP算法,大家可以查阅博客园的这篇文章:

阮一峰:字符串匹配的KMP算法

这篇解释文章相当简明,当然july的这篇文章也可以读一读:

六之续、由KMP算法谈到BM算法


【算法原理】

这里抄录第一篇参考资料的例子:


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。



===================================抄录完毕=============================================


【代码实现】


既然已经知道原理了,那么用代码实现也就不会是问题。

下面我将Java版的kmp算法(有点简陋)贴出来:

<pre name="code" class="java">package kmp;
import java.util.ArrayList;

public class KMPTest {	
	public static void main(String[] args){
		KMPTest ktest=new KMPTest("BBC ABCDAB ABCDABCDABDE", "ABCDABD");		
		ktest.debugNextArr();
		int theLoc=ktest.getIndexOfStr();		
		System.out.println();
		System.out.println("匹配位置在:"+theLoc);		
	}
	
	private int[] _nextArr=null;
	private String _originStr=null;	
	private String _moduleStr=null;	
	private int[] _resultArr=null;
	
	public KMPTest(String originStr,String moduleStr){
		_originStr=originStr;
		_moduleStr=moduleStr;
		_nextArr=caculate_nextArr();
	}
	/**
	 * 计算next 数组的值。
	 * */
	 private int[] caculate_nextArr(){
		 if(_moduleStr==null||_moduleStr.length()==0){
			 return null;
		 }
		 int[] theNextArr=new int[_moduleStr.length()];
		 for(int i=0;i<_moduleStr.length();i++){
			 if(i==0){
				 theNextArr[i]=0;
			 }
			 else if(i==1){
				 if(_moduleStr.charAt(0)==_moduleStr.charAt(1)){
					 theNextArr[i]=1;
				 }else{
					 theNextArr[i]=0;	 
				 }              
			 }else{
				 int theLength2=i;
				 boolean hasEqual=false;				 
				 for(int j=theLength2-1;j>=0;j--){
					 String prefix_str=_moduleStr.substring(0, j+1);
					 String suffix_str=_moduleStr.substring(theLength2-j,theLength2+1);
					 if(prefix_str.endsWith(suffix_str)){
						 hasEqual=true;
						 theNextArr[i]=prefix_str.length();						 
						 break;
					 }
				 }
				 if(hasEqual==false){
					 theNextArr[i]=0;
				 }
			 }
		 }
		 //---		 
		 return theNextArr;
	 }
	 
	 public void debugNextArr(){
		 if(_nextArr!=null){
			 System.out.println("next array的值:");
			 for(int tmp:_nextArr){
				 System.out.print(tmp+"   ");
			 }
		 }
	 }
	 	 
	 public int getIndexOfStr(){	
		 if(_moduleStr==null||_moduleStr.length()<=0){
			 return -1;
		 }
		 if(_originStr==null||_originStr.length()<=0){
			 return -1;
		 }
		 if(_originStr.length()<_moduleStr.length()){
			 return -1;
		 }
		 int res=-1;
		 int totalLength=_originStr.length();
         boolean flag_end=false;         
         int origin_loc=0;
         int module_loc=0;
         while(flag_end==false){        	 
        	 char c_origin=_originStr.charAt(origin_loc);
        	 char c_module=_moduleStr.charAt(module_loc);
        	 boolean needtoGoOn=true;
        	 int childLoc=1;        	 
        	 if(c_origin==c_module){
        		 if(module_loc==_moduleStr.length()-1){
        			 res=origin_loc-module_loc;
        			 break;
        		 }
        		 else{        		
        			 origin_loc++;
        			 module_loc++;
        		 }        		         		 
        	 }else{
            	 if(module_loc==0){
            		 origin_loc++;
            		 module_loc=0;
            		 if(origin_loc>=totalLength){
            			 break;
            		 }
            	 } else{
            		 if(module_loc<=0){
            			 module_loc++;
            			 origin_loc++;
            		 }
            		 else{
            			 int m_callback=_nextArr[module_loc-1];
            			 module_loc=m_callback;}
            	 	}
            	 	continue;                             	 
        	 	}
    		 	if(origin_loc>=totalLength){
    		 		break;
    		 	}        	         	         	         	 
         	}
         	return res;
	 	}
	}



0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:141891次
    • 积分:2585
    • 等级:
    • 排名:第14256名
    • 原创:103篇
    • 转载:79篇
    • 译文:6篇
    • 评论:16条
    最新评论