字符串匹配 之 KMP详解

最近看了算法导论的KMP算法的介绍，笔者实现了该算法，并大致懂得了该算法的思想。现大致总结如下：

字符串匹配：即是在一个目标串中寻找某一个模式出现的位置。

例如：在目标串 S = “ababababca” 中寻找模式串P = “ab”。返回“ab”的位移为0，2，4 ， 6。

下面以 S = "abacabababababcabababababca" ， P = “ababababca”。 len(S) = n , len(P) = m

传统的方法，依次比较P与S中的每一个字符，如果出现不一样的，则将P 相对于 S 向后移位一次，开始下一轮匹配，总共的匹配的次数为（ （len(S) - len(P) + 1）次。

如下图所示：

每一轮匹配时，出现不匹配的情况时，将模式串P向后移一位，进入下一轮匹配，因此：时间复杂度为O((n-m+1)m).

KMP是Knuth Morris 和 Pratt 设计的线性时间字符串匹配算法。

首先定义一个next数组，该数组是针对于模式串本身的特点来定义的。

元素 next[ i ]  的定义是： 如果在字符 P[ i ] 处，模式串与目标串的值不相同，那么下一次开始匹配的位置是模式串的 next[ i ] 位置开始。

距离说明：

对于模式串   P = “ ababababca”串而言，该模式串P的next数组为：

举例来说，P[ 3 ] = 'b', next[ 3 ] = 1,也就是说如果P在于目标串S比较时，如果P[ 3 ] 与目标串不匹配，那么下一次匹配直接从P[ next [ 3] ] = P[ 1 ]开始比较。

如下图：

注意：每一次匹配不成功时， 模式串P相对于原始串的移动的位置。

因此，整个KMP算法的核心便是在求模式串的next数组了。

PS：如果模式串中所有的字符都不一样，那显然使用KMP算法便会退化为传统的算法。

整个程序的代码如下：

注：与算法导论上面有出入，字符串的起始位置为0。

<span style="font-size:18px;">#include<iostream>
#include<vector>
#include<string>
using namespace std;

vector<int> ComputeNext(string p)
{
	vector<int> next(p.length(),0);
	if(p.length() == 0 ) return next;
	next[0] = -1;//index从0开始
	int k = -1;
	for(int q = 1 ; q < p.length() ; ++q )
	{
		while(k >= 0 && p[k+1] != p[q])
			k = next[k];
		if( p[k+1] == p[q] ) k++;
		next[q] = k;
	}
	return next;
}

void KMP(string s, string p )
{
	cout << "KMP..." << endl;
	vector<int> next = ComputeNext(p);
	int lenS = s.length();
	int lenP = p.length();
	int q = -1; //已经match的字符的个数
	
	for(int i = 0 ; i < lenS ; ++i)
	{
		//-1 means no backward position
		while(q >= 0 && s[i] != p[q+1])
			q = next[q];
		if (p[q+1] == s[i])
			q++;
		if ( q == lenP-1 )
		{
			cout << p << " find in "<< s << " " << (i-lenP+1) << " pos!" << endl;
			q = next[q];
			//return;
		}
	}
	//cout << "do not find!!!" << endl;
	return;
}

int main()
{
	string p = "abababab";
	string s = "abacabababababcabababababca";
	vector<int> next = ComputeNext(p);
	for(vector<int>::size_type i = 0 ; i != next.size() ; ++i)
	{
		cout << i << " " << next[i] << endl;
	}
	KMP(s,p);
	return 0;
}</span>

上述程序的运行结果为：

总结：KMP本身很简单，关键是求解next数组，必须知道next数组是由于模式串本身的特征来决定的，跟目标串没有任何关系。