首先我不确定这个方法到底能不能很好的解释给大家,这只是我在理解后的一种自己的思想 ,鉴于网上很多博客 ,自己也看了很多,一直处在懵逼状态,包括受到很多人的推崇的博客JULY的博客,虽然很清楚,但是太多了导致自己更加复杂化了这个算法,其实这个算法最难理解的就是next数组的代码段,意思大家都清楚,只是不知道那个next数组的求法,可以说是很巧妙的利用了递归的方法,本来是打算先放弃研究这个算法,早上无意看书然后灵光一现,但还是不够透彻,所以通过博客记录现在对kmp算法的一些不成熟的理解,希望也能帮助一些在此算法上感到吃力的同学们!
下面关于kmp算法的简答理解 本人不在做解释 直接套用其他博客的方法 许多博客在这上面的解释基本一致,只是在next数组上的方面解释的不一致,好下面先贴出kmp算法的理解方法(注 下面kmp的算法出自https://segmentfault.com/a/1190000008575379)。
1 >kmp算法:
给定一个主串(以 S 代替)和模式串(以 P 代替),要求找出 P 在 S 中出现的位置,此即串的模式匹配问题。
Knuth-Morris-Pratt 算法(简称 KMP)是解决这一问题的常用算法之一,这个算法是由高德纳(Donald Ervin Knuth)和沃恩·普拉特在1974年构思,同年詹姆斯·H·莫里斯也独立地设计出该算法,最终三人于1977年联合发表。
在继续下面的内容之前,有必要在这里介绍下两个概念:真前缀 和 真后缀。
由上图所得, "真前缀"指除了自身以外,一个字符串的全部头部组合;"真后缀"指除了自身以外,一个字符串的全部尾部组合。(网上很多博客,应该说是几乎所有的博客,也包括我以前写的,都是“前缀”。严格来说,“真前缀”和“前缀”是不同的,既然不同,还是不要混为一谈的好!)
朴素字符串匹配算法
初遇串的模式匹配问题,我们脑海中的第一反应,就是朴素字符串匹配(即所谓的暴力匹配),代码如下:
/* 字符串下标始于 0 */
int NaiveStringSearch(string S, string P)
{
int i = 0; // S 的下标
int j = 0; // P 的下标
int s_len = S.size();
int p_len = P.size();
while (i < s_len && j < p_len)
{
if (S[i] == P[j]) // 若相等,都前进一步
{
i++;
j++;
}
else // 不相等
{
i = i - j + 1;
j = 0;
}
}
if (j == p_len) // 匹配成功
return i - j;
return -1;
}
暴力匹配的时间复杂度为 $O(nm)$,其中 $n$ 为 S 的长度,$m$ 为 P 的长度。很明显,这样的时间复杂度很难满足我们的需求。
接下来进入正题:时间复杂度为 $Θ(n+m)$ 的 KMP 算法。
KMP字符串匹配算法
3.1 算法流程
以下摘自阮一峰的字符串匹配的KMP算法,并作稍微修改。
(1)
首先,主串"BBC ABCDAB ABCDABCDABDE"的第一个字符与模式串"ABCDABD"的第一个字符,进行比较。因为B与A不匹配,所以模式串后移一位。
(2)
因为B与A又不匹配,模式串再往后移。
(3)
就这样,直到主串有一个字符,与模式串的第一个字符相同为止。
(4)
接着比较主串和模式串的下一个字符,还是相同。
(5)
直到主串有一个字符,与模式串对应的字符不相同为止。
(6)
这时,最自然的反应是,将模式串整个后移一位,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,你其实是已经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,而是继续把它向后移,这样就提高了效率。
下面是我自己想的一个方便下面next的理解字符串:
pmt 就是指当前字符的最长前缀和最长后缀的相同数,与next数组有一点不同 会在下面的next数组求法中列出来
|
怎么做到这一点呢?可以针对模式串,设置一个跳转数组int next[]
,这个数组是怎么计算出来的,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。根据跳转数组可知,不匹配处D的next值为2,因此接下来从模式串下标为2的位置开始匹配。
(10)
因为空格与C不匹配,C处的next值为0,因此接下来模式串从下标为0处开始匹配。
(11)
因为空格与A不匹配,此处next值为-1,表示模式串的第一个字符就不匹配,那么直接往后移一位。
(12)
逐位比较,直到发现C与D不匹配。于是,下一步从下标为2的地方开始匹配。
(13)
逐位比较,直到模式串的最后一位,发现完全匹配,于是搜索完成。
下面贴出一段代码 ,鉴于网上有两种代码方式,我贴出来一段我自己能够理解的代码,也与下面的next的代码能够相对应。
int KMP(string S, string P, int next[]) { GetNext(P, next); int i = 0; // S 的下标 int j = 0; // P 的下标 int s_len = S.size(); int p_len = P.size(); while (i < s_len && j < p_len) { if (j == -1 || S[i] == P[j]) // P 的第一个字符不匹配或 S[i] == P[j] { i++; j++; } else j = next[j]; // 当前字符匹配失败,进行跳转 } if (j == p_len) // 匹配成功 return i - j; return -1; }
2 > next数组的解释
下面用到了递归的深度思想,可能下面内容会让你很不理解 ,所以建议先学一些递归的思想在看此片内容,会好很多。
next数组的求解基于“真前缀”和“真后缀”,即next[i]
等于P[0]...P[i - 1]
最长的相同真前后缀的长度(请暂时忽视i等于0时的情况,下面会有解释)。我们依旧以上述的表格为例,为了方便阅读,我复制在下方了
A | D | A | B | A | D | A | D | C | |
PMT | 0 | 0 | 1 | 0 | 1 | 2 | 3 | 2 | 0 |
next | -1 | 0 | 0 | 1 | 0 | 1 | 2 | 3 | 2 |
i | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
- i = 0,对于模式串的首字符,我们统一为
next[0] = -1
; - i = 1,前面的字符串为
A
,其最长相同真前后缀长度为0,即next[1] = 0
; - i = 2,前面的字符串为
AD
,其最长相同真前后缀长度为0,即next[2] = 0
; - i = 3,前面的字符串为
ADA
,其最长相同真前后缀长度为1,即next[3] = 1
; - i = 4,前面的字符串为
ADAB
,其最长相同真前后缀长度为0,即next[4] = 0
; - i = 5,前面的字符串为
ADABA
,其最长相同真前后缀为A
,即next[5] = 1
; - i = 6,前面的字符串为
ADABAD
,其最长相同真前后缀为AD
,即next[6] = 2
; - i = 7,前面的字符串为
ADABADA
,其最长相同真前后缀长度为ADA,即next[7] = 3
。 - i = 8, 前面的字符串位ADABADAD,其最长相同真前后缀长度为AD,即 next[ 8 ] = 2;
我们直接从代码分析这个next数组的求法 ;
/* P 为模式串,下标从 0 开始 */
void GetNext(string P, int next[])
{
int p_len = P.size();
int i = 0; // P 的下标
int j = -1;
next[0] = -1;
while (i < p_len)
{
if (j == -1 || P[i] == P[j])
{
i++;
j++;
next[i] = j;
}
else
j = next[j];//每当匹配不成功则进行下一次的匹配
}
}
其实很多人就是看不懂j = next[ j ] 的代码段;
假设 我们已经知道了next[i] 的值 ,现在要求next[i + 1]的值;那我们就以i = 7为例 现在知道next[i] ( 即next[7] ) = 3;现在要求next[i+1];下面我将通过画图来进行解释 :
可能大家看图也不是很懂 ,大概就是求next[8]时;需先让p[ next[ 3] ] 和p[ i ] 相比较如果相等 直接就等于next[ 7 ] + 1;如果不等的话 比如说 上面的ABAD和ABAB最后一个不等 ,这时候我们不需把p从头开始匹配而是像kmp算法一样利用next数组的方式移动,只不过这个是利用自己的next,而kmp是利用要求的next数组,这时候我们在让他匹配, 可以知道AD 和AD 正好匹配成功了这时候next[ 8 ] 的值就出来了,可以认为其实next数组的求法也是在利用kmp算法 只不过kmp更加独立,而next是自己用自己的next来求;大概就是这样一种解释,本人水平比较低 ,正在学习中这是自己的一种理解,如有帮助,内心欣慰,如发现错误还望指出,希望大家共同学习,谢谢!