折磨死人的kmp(看毛片)算法中的next数组之民间解析

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

ADABADADCB
PMT0010123200
next-1001012320

可以看到next就是将pmt的往后移了一位  next[0]置为1;这里不要细究 下面在想为什么

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。

  1. 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

 ADABADADC
PMT001012320
next-100101232
i012345678
关于pmt表的知识 可自行百度,这里不做解释

  1. i = 0,对于模式串的首字符,我们统一为next[0] = -1
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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
  9. 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!

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值