关于KMP算法的个人理解

最近准备接下来的校招面试，一直没学过数据结构的我，也不得不准备准备这方面的知识。对于字符串匹配这个课题，现在有很多的方法，然KMP确实其中经典的一种方法，这两天找了很多的相关资料，却发现理解很简单，而实现却有点小困难，为了永久解决这个问题，苦心钻研了下，现把我的理解记录如下，供有相同疑惑的童鞋一起学习，探讨。

1.KMP算法的引入

问题：有一个目标文本串T，和一个模式串P，现在要查找P在T中的位置，怎么查找呢？

首先我们还是看下最基本的暴力求解（相信这个方法大家都了解了）：

假设现在目标文本串T匹配到 i 位置，模式串P匹配到 j 位置；

1.如果当前字符匹配成功（即T[i]== P[j]），则i++，j++，继续匹配下一个字符；

2.如果当前字符不匹配（即T[i]!=P[j] ），则令i=i - (j - 1)，j = 0。即每次失配时，模式串都要从第一位开始重新匹配，i需要回溯，j被置为0；

C++代码如下：

//暴力求解字符串匹配B-F算法
//szTarget表示目标字符串，szPattern表示模式字符串（即最终需要查找到的字符串）
void match(const string& szTarget,const string& szPattern)
{
	int iTagetLength=szTarget.size();
	int iPatternLength=szPattern.size();
	for (int i=0;i<iTagetLength-iPatternLength+1;i++)
	{
		int j=0;
		while (j<iPatternLength)
		{
			if(szTarget[i+j]==szPattern[j])
				j++;
			else
				break;
		}
		if (j==iPatternLength)
			cout<<i<<endl;
	}
}

举个例子，理解下暴力匹配的过程如下所示：

①.

首先，目标文本串"BBC_ABCDAB_ABCDABCDABDE"（其中_表示空格）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不匹配，模式串再往后移。

③.

就这样，直到字符串有一个字符，与模式串的第一个字符相同为止。

④.

接着比较目标文本串和模式串的下一个字符，还是相同。

⑤.

直到目标文本串有一个字符，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。这时，我们发现，这样比较是多余的，因为在第4步时，我们已经知道T[5] = P[1] = B，而P[0] = A，即P[1] != P[0]，故T[5]必定不等于P[0]，所以回溯过去必然会导致失配。

KMP算法就是去除这些多余步骤，提高效率的。

2.KMP算法

对于上述所阐述的问题，我们该怎么解决呢？

上述第⑤步时，我们发现T[10]为空格字符，P[6]为字符D，所以不匹配，而我们也看到P[0]==P[4]==T[8]，P[1]==P[5]==T[9]，我们接下来的一步是不是直接可以拿P[2]与T[10]比较，我们是不是可以建立一个数组：存放目标文本串第i位与模式串第j位字符失配时，下一次与第i位比较的模式串中的字符位置。这就是大部分文献中的Next数组（本文中会利用vector）。

那么我们该怎么求next呢？首先我们上代码：

//计算Next数组
//Next[i]表示模式串的第i位与目标串不匹配时（前面i-1位都匹配），下一步i的值
void GetNext(const string& szPattern,vector<int>& viNext)
{
	int iLen = szPattern.size();
	viNext.resize(iLen);
	viNext[0] = -1;
	int iIndex = 0;
	while (iIndex < iLen-1)
	{
		if (-1 == viNext[iIndex] || szPattern[iIndex] == szPattern[viNext[iIndex]] )
			viNext[iIndex+1] = viNext[iIndex] + 1;			
		else
			viNext [iIndex+1] = 0;
		++iIndex;
	}
}

或者如下：

//计算Next数组
//Next[i]表示模式串的第i位与目标串不匹配时（前面i-1位都匹配），下一步i的值
void GetNext(const string& szPattern,vector<int>& viNext)
{
	int iPatternLen = szPattern.size();
	viNext.resize(iPatternLen);
	viNext[0] = -1;
	int iIndex = 0;
	int iTemp = -1;
	while(iIndex<iPatternLen-1)
	{
		if (-1==iTemp || szPattern[iTemp]==szPattern[iIndex])
		{
			++iIndex;
			++iTemp;
			viNext[iIndex] = iTemp;
		}
		else
			iTemp = viNext[iTemp];
	}
}

现详细叙述：

a.对于模式串“ABCDABD”，若第0位’A’与目标文本串中的第j位字符不匹配，那么j+1，i=0；此时我们令Next[0]=-1;(表示j+1，i=0；)

b.若第1位’B’与目标文本串中的第j位字符不匹配，此时表明第0位与第j-1位已经匹配，那么我们就要将整个模式串后移一位，用模式串中的第0位与目标字符串中第j位比较，即Next[1]=0;

.若第2位’C’与目标文本串中的第j位字符不匹配，此时表明第0、1位分别与第j-2、j-1位已经匹配，由于前两位组成的字符串没有前缀子串和后缀子串相等，下一步直接用第0位与目标字符串中第j位比较，即Next[2]=0;

d. 若第3位’D’与目标文本串中的第j位字符不匹配，此时表明第0、1、2位分别与第j-3、j-2、j-1位已经匹配，由于前三位组成的字符串中没有前缀子串和后缀子串相等，下一步直接用第0位与目标字符串中第j位比较，Next[3]=0;

e. 若第4位’A’与目标文本串中的第j位字符不匹配，此时表明第0、1、2、3位分别与第j-4、j-3、j-2、j-1位已经匹配，由于前四位组成的字符串中没有前缀子串和后缀子串相等，下一步直接用第0位与目标字符串中第j位比较，Next[4]=0;

f. 若第5位’B’与目标文本串中的第j位字符不匹配，此时表明第0、1、2、3 、4位分别与第j-5、j-4、j-3、j-2、j-1位已经匹配，由于前五位组成的字符串中有前缀子串”A”（第0位）和后缀子串”A”（第4位）相等（P[m]==P[i-1]，此时m=0,i=5），故第j-1位和模式串中的第0位就不需比较了，肯定相等，下一步只需将模式串中的第1位与目标文本串中的第j位比较就可以了，即Next[5]=1;

g. 若第6位’D’与目标文本串中的第j位字符不匹配，此时表明第0、1、2、3 、4、5位分别与第j-6、j-5、j-4、j-3、j-2、j-1位已经匹配，由于前六位组成的字符串中有前缀子串”AB”（第0、1位）和后缀子串”AB”（第4、5位）相等（P[m+1]==P[i]，m、i与上一步相同），故第j-2、j-1位和模式串中的第0、1位就不需比较了，肯定相等，下一步只需将模式串中的第2位与目标文本串中的第j位比较就可以了，即Next[6]=2;

故综上所求的Next[]={-1,0,0,0,0,1,2}。

同理可得模式串“ababcabaa”的Next[]={-1,0,0,1,2,0,1,2,3}；

 

接下来我们根据Next数组，我们求解文章开始的问题，首先上C++程序：

void KMPMatcher(const string& szTarget,const string& szPattern,vector<int>& viNext)
{
	int iTargetLen = szTarget.size();
	int iPatternLen = szPattern.size();
//首先从第一位开始匹配
	int iPatternIndex = 0;
	int iTargetIndex = 0;
	while(iTargetIndex<iTargetLen)
	{
//若目标文本串第iTargetIndex位和模式串第iPatternIndex位
//匹配，则比较下一位，条件A
		if(szTarget[iTargetIndex] == szPattern[iPatternIndex])
		{
			++iTargetIndex;
			++iPatternIndex;
		}
		//若目标文本串第iTargetIndex位和模式串第iPatternIndex位
//不匹配时，且当前Next数组值为-1时，将用文本串
//第iTargetIndex+1位和模式串第0位匹配，条件B
		else if(-1 == viNext[iPatternIndex])
		{
			++iTargetIndex;
			iPatternIndex = 0;
		}
		//若目标文本串第iTargetIndex位和模式串第iPatternIndex位
//不匹配时，且当前Next数组值不为-1时，将用文本串
//第iTargetIndex位和模式串第viNext[iPatternIndex]位匹配
		else
			iPatternIndex = viNext[iPatternIndex];
		if (iPatternIndex == iPatternLen)
		{
			cout<<iTargetIndex-iPatternLen<<endl;
			iPatternIndex = 0;
		}
	}
}

从上述程序中，可以发现条件A和条件B可以合并为:

if (-1==iPatternIndex || szTarget[iTargetIndex] == szPattern[iPatternIndex])

3．KMP改进算法

         然而，上述求解模式串“ABABCABAA”的Next[]={-1,0,0,1,2,0,1,2,3}时，若第j=2位’A’与目标文本串第i位不匹配时，下一步将会用第j=0位’A’与目标文本串第i位比较，但此时明显是匹配的，那我们是不是也可以更改Next的值：令Next[2]= Next[0]=-1 表示呢？显然是可以的，

按照此更改后我们可得新的Next[]={-1,0-1,0,2,-1,0,-1,3}.

那我们怎样更改程序呢？如下：

//计算Next数组
//Next[i]表示模式串的第i位与目标串不匹配时（前面i-1位都匹配），下一步i的值
void GetNext(const string& szPattern,vector<int>& viNext)
{
	int iPatternLen = szPattern.size();
	viNext.resize(iPatternLen);
	viNext[0] = -1;
	int iIndex = 0;
	int iTemp = -1;
	while(iIndex<iPatternLen-1)
	{
		if (-1==iTemp || szPattern[iTemp]==szPattern[iIndex])
		{
			++iIndex;
			++iTemp;
			if(szPattern[iTemp] != szPattern[iIndex])
				viNext[iIndex] = iTemp;
 			else
 				viNext[iIndex] = viNext [iTemp];
		}
		else
			iTemp = viNext[iTemp];
	}
}

自此，KMP算法得以理解，不知各位网友可理解了？如有不理解，欢迎相互交流交流。

4.参考文献：

1.《数据结构》第二版，严蔚敏，吴伟明著；

2.《算法导论》第三版中文版第32章；

3.http://blog.csdn.net/v_july_v/article/details/7041827

4.http://kb.cnblogs.com/page/176818/