KMP算法字符串匹配

最新推荐文章于 2024-09-14 22:25:23 发布

A.C.Qian

最新推荐文章于 2024-09-14 22:25:23 发布

阅读量1.7k

点赞数 25

分类专栏：算法教程文章标签：算法

本文链接：https://blog.csdn.net/CharlieQQY4593/article/details/135892755

版权

算法教程专栏收录该内容

3 篇文章 0 订阅

订阅专栏

本文探讨了如何通过暴力匹配解决字符串查找问题，提出利用最长公共前后缀降低时间复杂度的方法。算法通过两个下标跟踪匹配过程，并介绍了公共前后缀的性质和预处理技巧，将时间复杂度从O(n^2)降低至O(n)。

摘要由CSDN通过智能技术生成

问题

有一个字符串 $s_1$ ，要在 $s_1$ 中寻找子串 $s_2$ ，问 $s_2$ 在 $s_1$ 中出现了几次？

暴力匹配

首先能想到的就是进行暴力匹配。

把 $s_1$ 从 $1$ 号位开始，到 $|s_1|-|s_2|$ 号位，截下长度为 $|s_2|$ 的子串依次进行比较。当失配时，把 $s_2$ 右移一位，继续从头开始匹配。

算法思想

暴力算法中，每一次失配，都需要把 $s_2$ 从第 $1$ 位再重新开始比较，且 $s_2$ 相较于 $s_1$ 仅仅右移了 $1$ 位，这样重复的操作，使得时间复杂度很高。

让我们再回到暴力匹配时的第一次失配，发现了此时 $s_1$ 的 $4$ 到 $6$ 项与 $s_2$ 的 $0$ 到 $2$ 项相同。我们为了把 $s_2$ 的 $0$ 到 $2$ 项得到匹配，则最少需要与 $s_1$ 的 $4$ 到 $6$ 项对齐。

对齐后，字符串 $s_1$ 与字符串 $s_2$ 仅需从第 $3$ 位开始比较就行了（前面几位相同）

就这样一直进行匹配，直到配上了为止。

算法实现

匹配

代码中，我们没有办法像上面演示的那样进行滑动，那可以通过两个下标 $t_1$ , $t_2$ 对目前匹配到的地方进行表示（ $t_1$ 对应上图的蓝色箭头， $t_2$ 对应上图的黄色箭头）

则匹配过程可以分为两种情况：

配上：把 $t_1+1$ ， $t_2+1$ 把两个箭头都右移一位
失配： $t_1$ 保持不动， $t_2=next_{t_2}$ ，此处的 $next_i$ 就是 $s_2$ 在第 $i$ 位失配后所需要到的位置（具体求法在下一节中写出）

如果要多次进行都次匹配，char字符数组的结尾处有'\0'的结束符，相当于一次失配，能让程序继续进行。

这样的算法可以把时间复杂度从 $\varTheta(|s_1| \cdot |s_2|)$ 降为 $\varTheta(|s_1| + |s_2|)$

code（多次匹配）:

int t1 = 0,t2 = 0;
while(t1 < len1){
    if(t2 == -1 || s1[t1] == s2[t2]){
         t1 ++;
         t2 ++;
    }else   t2 = nxt[t2];
    if(t2 == len2)    printf("%d\n",t1 - len2 + t2);
}

预处理

$next$ 数组在更深层次的意义上就是前 $i$ 项的最长公共前后缀（Longest Border）。而要用 $\varTheta(|s_2|)$ 的时间复杂度进行递推，也需要两个下标 $t_1$ , $t_2$ 。

此时枚举的字符串范围是 $[0,t_1)$ ，而这个字符串的最长公共前后缀长度是 $[0,t_2)$ 。

递推时，最长公共前后缀长度的 $2$ 倍可能会超出原字符串长度，此处假设最长公共前后缀长度的 $2$ 倍 $\le$ 原字符串长度

递推时也可以分为两种情况：

（1） $s1_{t_1}=s2_{t_2}$ 时，意味着原来最长公共前后缀的后一项与原字符串的后一项相等（橙色段），把 $t_1+1$ ， $t_2+1$ 。

（2） $s1_{t_1} \not = s2_{t_2}$ 时，意味着原来最长公共前后缀的后一项与原字符串的后一项不相等，递归回溯 $s_2$ 的最长公共前后缀，把 $t_1+1$ ， $t_2=next_{t_2}$ 。（证明在后面）

证明

此时，我们面对的时第 $2$ 种情况。需要证明字符串 $[0,t_1+1)$ 的最长公共前后缀一定是字符串 $[0,t_2)$ 的公共前后缀（可能没有）

首先，因为第 $1$ 种情况不成立且选择长度更长的字符串 $[0,t_1+1)$ 的前缀肯定不是该字符串的后缀（如有，则字符串 $[0,t_2)$ 就不是原来的最长公共前后缀）（如图）。所以没有一个长度 $>$ 原来最长公共前后缀 $+1$ 的字符串。

然后，字符串 $[0,t_2)$ 的公共前后缀一定是字符串 $[0,t_1+1)$ 的前缀。

图中，蓝色区域全部相等，所以字符串 $[0,t_2)$ 的公共前后缀才有成为字符串 $[0,t_1+1)$ 的最长公共前后缀的可能。

同理，非字符串 $[0,t_2)$ 的公共前后缀连蓝色区域相等都无法满足（证明同字符串 $[0,t_1+1)$ 的最长公共前后缀一定是字符串 $[0,t_2)$ 的公共前后缀）

字符串 $[0,t_2)$ 的最长公共前后缀的公共前后缀也满足上图的性质。

最终，通过 $next$ 数组递归对长度从大到小进行可能的公共前后缀进行遍历。

code：

int t1 = 0,t2 = -1;
nxt[0] = -1;
while(t1 < len2){
    if(t2 == -1 || s2[t1] == s2[t2]){
        t1 ++;
        t2 ++;
        nxt[t1] = t2;
    }else{
        t2 = 0;
        nxt[t1] = 0;
        t1 ++;
    }
}