Kmp算法理解

Kmp个人理解:

感谢这篇博文，讲的很详细！

个人认为要理解kmp首先我们得了解几个概念：

• 最长前缀后缀：
• 基于最长公共前缀后缀进行匹配
• next数组
• 通过代码来递推计算next数组
• next数组的优化
• 完整的kmp代码

---

最长前缀后缀：

这个很好理解，举个例子吧：
如果给定的模式串是：“ABCDABD”，从左至右遍历整个模式串，其各个子串的前缀后缀分别如下表格所示：

前缀不包括最后一个字符，后缀不包括第一个字符。
然后在这张图里列出了模式串的各个子串的前缀和后缀，
我们可以根据这张图来求最长前缀后缀公共长度。

基于最长公共最长前缀后缀匹配：

失配时，模式串向右移动的位数为：已匹配字符数 - 失配字符的上一位字符所对应的最大长度值
如下图所示：当D与文本串中的不匹配时，那么下一步我们该怎么办呢？

我们应该向右移动4位，因为前面也有一个AB嘛

next数组的求法：

next数组的求法就是最大长度表全部往右移动一位，然后最左边的那个值赋值为-1就可以了。

那么，失配时，模式串向右移动的位数为：失配字符所在位置 - 失配字符对应的next 值

通过代码来递推计算next数组:

若p0,p1,…,pk-1=pj-k,pj-k+1,…,pj-1，
①若p[k]==p[j]，则next[j+1]=next[j]+1=next[k]+1
②若p[k]!=p[j]，则我们需要递归前缀索引k=next[k]若找到一个字符k’，p[k’]=p[j]，则最大相同的前缀后缀的长度为k’+1。

那为何递归前缀索引k = next[k]，就能找到长度更短的相同前缀后缀呢？这又归根到next数组的含义。我们拿前缀 p0 pk-1 pk 去跟后缀pj-k pj-1 pj匹配，如果pk 跟pj 失配，下一步就是用p[next[k]] 去跟pj 继续匹配，如果p[ next[k] ]跟pj还是不匹配，则需要寻找长度更短的相同前缀后缀，即下一步用p[ next[ next[k] ] ]去跟pj匹配。此过程相当于模式串的自我匹配，所以不断的递归k = next[k]，直到要么找到长度更短的相同前缀后缀，要么没有长度更短的相同前缀后缀。
（如下图所示）

综上，可以通过递推得到next数组：

    void GetNext(char* p,int next[])  
    {  
        int pLen = strlen(p);  
        next[0] = -1;  
        int k = -1;  
        int j = 0;  
        while (j < pLen - 1)  
        {  
            //p[k]表示前缀，p[j]表示后缀  
            if (k == -1 || p[j] == p[k])   
            {  
                ++k;  
                ++j;  
                next[j] = k;  
            }  
            else   
            {  
                k = next[k];  
            }  
        }  
    }  

next数组的优化：

比如，如果用之前的next 数组方法求模式串“abab”的next 数组，可得其next 数组为-1 0 0 1（0 0 1 2整体右移一位，初值赋为-1），当它跟下图中的文本串去匹配的时候，发现b跟c失配，于是模式串右移j - next[j] = 3 - 1 =2位。

右移2位后，b又跟c失配。事实上，因为在上一步的匹配中，已经得知p[3] = b，与s[3] = c失配，而右移两位之后，让p[ next[3] ] = p[1] = b 再跟s[3]匹配时，必然失配。问题出在哪呢？

问题出在不该出现p[j] = p[ next[j] ]。为什么呢？理由是：当p[j] != s[i] 时，下次匹配必然是p[ next [j]] 跟s[i]匹配，如果p[j] = p[ next[j] ]，必然导致后一步匹配失败（因为p[j]已经跟s[i]失配，然后你还用跟p[j]等同的值p[next[j]]去跟s[i]匹配，很显然，必然失配），所以不能允许p[j] = p[ next[j ]]。如果出现了p[j] = p[ next[j] ]咋办呢？如果出现了，则需要再次递归，即令next[j] = next[ next[j] ]。

一开始我不是很明白为什么要让next[j]=next[next[j]]，为什么一定就保证只要进行一次next[j]就可以了呢？后来想到是因为我们是从前面往后面来进行的，所以如果idx1与idx2这两个位置的字符相同的话，那么我们只需要找next[idx1]就好了，因为我们从前往后保证idx1是与next[idx1]是不同的两个变量。

完整的kmp代码：

以此题为例
求的是给你一个模式串和文本串，让你判断一下模式串是否是文本串的子串。

#include<cstdio>
#include<cstring>
#include<set>
#include<cmath>
#include<map>
#include<stack>
#include<string>
#include<vector>
#include<iostream>
#include<algorithm>
using namespace std;
typedef long long ll;
#define inf 99999999
#define maxn 1000010
char s[maxn],p[maxn];
int nex[maxn];
void GetNextval(){
    memset(nex,0,sizeof(nex));
    int plen=strlen(p);
    nex[0]=-1;
    int k=-1;
    int j=0;
    while(j<plen-1){
        if(k==-1||p[j]==p[k]){
            ++k;
            ++j;
            if(p[j]!=p[k]){
                nex[j]=k;
            }
            else{
                nex[j]=nex[k];
            }
        }
        else{
            k=nex[k];
        }
    }
}
int Kmp(){
    int i=0;
    int j=0;
    GetNextval();
    int slen=strlen(s);
    int plen=strlen(p);
    while(i<slen&&j<plen){
        if(j==-1||s[i]==p[j]){
            ++i;
            ++j;
        }
        else{
            j=nex[j];
        }
    }
    if(j==plen) return 1;
    else return -1;
}
int main(){
    scanf("%s",s);
    int T;
    scanf("%d",&T);
    while(T--){
        scanf("%s",p);
        int ans=Kmp();
        if(ans==-1) printf("no\n");
        else printf("yes\n");
    }
    return 0;
}
/*
acmicpczjnuduzongfei
3
icpc
du
liu
*/