实现原理参考:https://news.cnblogs.com/n/176771/
总觉得获取next数组(部分匹配表)的时间复杂度不太好
正文:
字符串匹配是计算机的基本任务之一。
举例来说,有一个字符串"BBC ABCDAB ABCDABCDABDE",我想知道,里面是否包含另一个字符串"ABCDABD"?
许多算法可以完成这个任务,Knuth-Morris-Pratt算法(简称 KMP)是最常用的之一。它以三个发明者命名,起头的那个K就是著名科学家Donald Knuth。
这种算法不太容易理解,网上有很多解释,但读起来都很费劲。直到读到 Jake Boxer 的文章,我才真正理解这种算法。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:
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。
根据此描述Java实现的KMP
import java.util.Arrays;
/**
* kmp算法
*
*/
public class KMP {
/**
* 匹配
* @param target 主串
* @param search 搜索串或模式串
* @return
*/
public int KMPMatch(String target, String search) {
// 首先获取next数组
int[] next = next(search);
char[] tchar = target.toCharArray();
char[] schar = search.toCharArray();
int targetBegin = -1;
// target 和 search 的数组下标
int tindex = 0;
int sindex = 0;
while (tindex < tchar.length) {
if (tchar[tindex] == schar[sindex]) {
// search已和target匹配完成 退出循环并返回target的开始下标
if (sindex == schar.length - 1) {
targetBegin = tindex - sindex;
break;
} else {
// 匹配尚未完成 target 和 search 数组下标同时增加1,继续匹配
tindex++;
sindex++;
continue;
}
}
// 如果没有匹配成功,且是search的第一个字符,则 target的数组下标加1,search 的下标不变
if (sindex == 0) {
tindex++;
} else {
// 如果search有几个字符已经匹配,那么改变search的下标,根据公式计算出来
int removeIndex = sindex - next[sindex - 1];
sindex -= removeIndex;
}
}
return targetBegin;
}
/**
* 获取next(部分匹配表)数组
* @param str
* @return
*/
public int[] next(String str) {
int[] arr = new int[str.length()];
// 第一个的共有元素长度必为0
for (int i = 1; i < str.length(); i++) {
// 搜索词
String s = str.substring(0, i + 1);
// 前缀后缀
String[] prefix = new String[i];
String[] suffix = new String[i];
// 获取前缀后缀
for (int j = 0; j < i; j++) {
prefix[j] = s.substring(0, j + 1);
suffix[j] = s.substring(j + 1, i + 1);
}
// System.out.println(Arrays.toString(prefix) + " " + Arrays.toString(suffix));
// 最长的共有元素长度
int commonLength = 0;
for (int m = 0; m < prefix.length; m++) {
String pre = prefix[m];
for (int n = 0; n < suffix.length; n++) {
String suf = suffix[n];
if (pre.equals(suf))
commonLength = pre.length();
}
}
arr[i] = commonLength;
}
System.out.println("部分匹配表:" + Arrays.toString(arr));
return arr;
}
public static void main(String[] args) {
// 15
String target = "BBC ABCDAB ABCDABCDABDE";
String search = "ABCDABD";
// String target = "abcabcabe";
// String search = "abcabe";
System.out.println("匹配到的主串开始位置" + new KMP().KMPMatch(target, search));
}
}
输出结果: