一刷代码随想录（KMP算法以及习题）

KMP算法

简介：即用来匹配字符串的算法，有助于降低在主串中识别寻找子串的速度。

主要思路：对于子串构建一个next数组，next数组存的是子串的当前位置的最大相同前后缀长度，当子串与主串进行比对到某一位置，若该位置不匹配，则可以在next数组中找到前一位的数nextval，并跳过子串的前nextval个值再进行比较。由此可以省去很多时间。

主要问题在于如何构建前缀表（next数组），首先初始化，申请完空间后使用两个指针，j指向子串的第一，i指向第二位置，将next的第一位赋值为j，因为j的长度就事nextval不同位置的值，此时遍历i，若二者相等，则两者同时向前移一位，将j赋值给i所对应的next位置，也就是在之前的长度上使用加一，若二者不相等，由于在不相等之前的字符之前的量部分一定是相等的，那么就可以在左侧的字符组中找相同的前后缀，由于左侧字符组有对应的nextval，也就是该字符组的前后缀位置，让其分置于不相同元素的两侧的字符组，按照规则向下遍历，如果相同则加1并存入数组，如果不同则重复上述步骤，直到有相同的+1存入数组或者是nextval=0，也存入该数组。

代码实现：

class Solution {
public:
    void getNext(int* next, const string& s) {
        int j = 0;
        next[0] = 0;
        for(int i = 1; i < s.size(); i++) {
            while (j > 0 && s[i] != s[j]) {
                j = next[j - 1];
            }
            if (s[i] == s[j]) {
                j++;
            }
            next[i] = j;
        }
    }
    int strStr(string haystack, string needle) {
        if (needle.size() == 0) {
            return 0;
        }
        vector<int> next(needle.size());
        getNext(&next[0], needle);
        int j = 0;
        for (int i = 0; i < haystack.size(); i++) {
            while(j > 0 && haystack[i] != needle[j]) {
                j = next[j - 1];
            }
            if (haystack[i] == needle[j]) {
                j++;
            }
            if (j == needle.size() ) {
                return (i - needle.size() + 1);
            }
        }
        return -1;
    }
};

寻找最小重复字符串

题意：

给定一个非空的字符串，判断它是否可以由它的一个子串重复多次构成。给定的字符串只含有小写英文字母，并且长度不超过10000。

示例 1:

• 输入: "abab"
• 输出: True
• 解释: 可由子字符串 "ab" 重复两次构成。

示例 2:

• 输入: "aba"
• 输出: False

示例 3:

• 输入: "abcabcabcabc"
• 输出: True
• 解释: 可由子字符串 "abc" 重复四次构成。 (或者子字符串 "abcabc" 重复两次构成。)

解法：

1、拼接法，将两个s相连接形成，若是多个字符串组成的则必然能在其中再找到一个s，注意要去掉头和尾，防止找到的是原来的s。

代码：

class Solution {
public:
    bool repeatedSubstringPattern(string s) {
        string t = s + s;
        t.erase(t.begin()); t.erase(t.end() - 1); // 掐头去尾
        if (t.find(s) != std::string::npos) return true; // r
        return false;
    }
};

2、KMP法，对于该字符串建立Next数组，找到整个字符串的最大相等前后缀的长度，也就是Next数组的最后一个nextval，将字符串长度减去nextval等于n，若字符串能被n整除，那么则证明这是满足由重复子串组成的，反之则不可能。

代码如下

class Solution {
public:
    void getNext (int* next, const string& s){
        next[0] = 0;
        int j = 0;
        for(int i = 1;i < s.size(); i++){
            while(j > 0 && s[i] != s[j]) {
                j = next[j - 1];
            }
            if(s[i] == s[j]) {
                j++;
            }
            next[i] = j;
        }
    }
    bool repeatedSubstringPattern (string s) {
        if (s.size() == 0) {
            return false;
        }
        int next[s.size()];
        getNext(next, s);
        int len = s.size();
        if (next[len - 1] != 0 && len % (len - (next[len - 1] )) == 0) {
            return true;
        }
        return false;
    }
};

卡哥的分析与推导：

如何找到最小重复子串
这里有同学就问了，为啥一定是开头的ab呢。 其实最关键还是要理解 最长相等前后缀，如图：

步骤一：因为 这是相等的前缀和后缀，t[0] 与 k[0]相同， t[1] 与 k[1]相同，所以 s[0] 一定和 s[2]相同，s[1] 一定和 s[3]相同，即：，s[0]s[1]与s[2]s[3]相同 。

步骤二： 因为在同一个字符串位置，所以 t[2] 与 k[0]相同，t[3] 与 k[1]相同。

步骤三： 因为 这是相等的前缀和后缀，t[2] 与 k[2]相同 ，t[3]与k[3] 相同，所以，s[2]一定和s[4]相同，s[3]一定和s[5]相同，即：s[2]s[3] 与 s[4]s[5]相同。

步骤四：循环往复。

所以字符串s，s[0]s[1]与s[2]s[3]相同， s[2]s[3] 与 s[4]s[5]相同，s[4]s[5] 与 s[6]s[7] 相同。

正是因为 最长相等前后缀的规则，当一个字符串由重复子串组成的，最长相等前后缀不包含的子串就是最小重复子串。

#简单推理
这里再给出一个数学推导，就容易理解很多。

假设字符串s使用多个重复子串构成（这个子串是最小重复单位），重复出现的子字符串长度是x，所以s是由n * x组成。

因为字符串s的最长相同前后缀的长度一定是不包含s本身，所以 最长相同前后缀长度必然是m * x，而且 n - m = 1，（这里如果不懂，看上面的推理）

所以如果 nx % (n - m)x = 0，就可以判定有重复出现的子字符串。

next 数组记录的就是最长相同前后缀 字符串：KMP算法精讲 (opens new window)这里介绍了什么是前缀，什么是后缀，什么又是最长相同前后缀)， 如果 next[len - 1] != -1，则说明字符串有最长相同的前后缀（就是字符串里的前缀子串和后缀子串相同的最长长度）。

最长相等前后缀的长度为：next[len - 1] + 1。(这里的next数组是以统一减一的方式计算的，因此需要+1，两种计算next数组的具体区别看这里：字符串：KMP算法精讲 (opens new window))

数组长度为：len。

如果len % (len - (next[len - 1] + 1)) == 0 ，则说明数组的长度正好可以被 (数组长度-最长相等前后缀的长度) 整除 ，说明该字符串有重复的子字符串。

数组长度减去最长相同前后缀的长度相当于是第一个周期的长度，也就是一个周期的长度，如果这个周期可以被整除，就说明整个数组就是这个周期的循环。

强烈建议大家把next数组打印出来，看看next数组里的规律，有助于理解KMP算法

如图：

next[len - 1] = 7，next[len - 1] + 1 = 8，8就是此时字符串asdfasdfasdf的最长相同前后缀的长度。

(len - (next[len - 1] + 1)) 也就是： 12(字符串的长度) - 8(最长公共前后缀的长度) = 4， 4正好可以被 12(字符串的长度) 整除，所以说明有重复的子字符串（asdf）。

我个人的理解：

如果不满足整除肯定不是重复子串组成，如果满足就一定是吗，其原理在于，如果不是重复子串组成，那么必然在字符串中存在不包含在前后缀的，前后缀也不可能相交，那么卡哥提到的递推相等肯定不成立，那么字符串长度减前缀长度得到的是（K+N），K是前缀长度，N是不包含在前缀的长度，字符串原长度为（2*K+N），则不可能满足整除，除非N等于零，那么此时字符串就是为两个前后缀组成的重复字符串。