KMP算法

KMP算法，全称Knuth-Morris-Pratt算法，是一种线性时间复杂度的字符串匹配算法。该算法主要用于在一个主文本字符串中查找一个词模式（子串）的出现位置。相比于暴力匹配算法，KMP算法具有更高的效率，因为它在发现不匹配时能够利用已经匹配的部分信息，从而避免不必要的重复比较。

一、算法原理

KMP算法的核心思想是利用已经匹配过的信息，当发生不匹配时，知道一些字符肯定不会出现在模式串的某个位置，从而利用这些信息跳过一些不必要的比较。具体来说，KMP算法通过维护一个“部分匹配表”（也称为“失败函数”或“跳转表”），来指导在发生不匹配时如何移动模式串。

部分匹配表是一个数组，其构建方法如下：对于模式串中的每个前缀子串，找出最长的、同时也是后缀的子串（不包括整个前缀子串本身），记录这个最长后缀子串的长度。部分匹配表的每个元素对应模式串的一个位置，存储的就是以该位置结尾的前缀子串的最长相同前后缀长度。

二、算法步骤

1. 预处理阶段：构建部分匹配表。

   • 初始化一个空的部分匹配表。
   • 遍历模式串，对于每个位置i（从1开始计数），计算以i结尾的前缀子串的最长相同前后缀长度。
   • 将计算得到的长度值存入部分匹配表对应的位置。

2. 匹配阶段：在主文本字符串中查找模式串。

   • 初始化两个指针，一个指向主文本字符串的起始位置，另一个指向模式串的起始位置。
   • 进入循环，逐个比较主文本字符串和模式串对应位置的字符。
   • 如果字符匹配，则两个指针都向后移动一位。
   • 如果字符不匹配，根据部分匹配表，将模式串的指针向后移动到合适的位置，主文本字符串的指针则保持不变。
   • 重复上述步骤，直到模式串完全匹配或主文本字符串遍历完毕。

三、算法实现

下面是一个简单的KMP算法实现示例（以Python为例）：

def compute_prefix_function(pattern):
    m = len(pattern)
    pi = [0] * m
    j = 0
    for i in range(1, m):
        while j > 0 and pattern[j] != pattern[i]:
            j = pi[j - 1]
        if pattern[j] == pattern[i]:
            j += 1
        pi[i] = j
    return pi

def kmp_search(text, pattern):
    n = len(text)
    m = len(pattern)
    pi = compute_prefix_function(pattern)
    q = 0  # index for text
    r = 0  # index for pattern
    while q < n and r < m:
        if pattern[r] == text[q]:
            q += 1
            r += 1
        elif r != 0:
            r = pi[r - 1]
        else:
            q += 1
    if r == m:
        return q - r  # pattern occurs with shift q - r
    else:
        return -1  # pattern does not occur in text

# 示例
text = "ABABDABACDABABCABAB"
pattern = "ABABCABAB"
result = kmp_search(text, pattern)
if result != -1:
    print(f"Pattern found at index: {result}")
else:
    print("Pattern not found in text.")

在这个示例中，compute_prefix_function函数用于计算部分匹配表，而kmp_search函数则执行实际的字符串匹配操作。当模式串在文本中找到时，函数返回模式串在主文本中的起始位置；否则返回-1表示未找到。

四、算法特点

KMP算法的时间复杂度为O(n+m)，其中n是主文本字符串的长度，m是模式串的长度。这是因为KMP算法只需遍历主文本字符串和模式串各一次，并且在发生不匹配时能够利用部分匹配表进行高效的跳转，从而避免了不必要的比较操作。这使得KMP算法在处理大规模文本数据时具有显著的优势。

总的来说，KMP算法是一种高效且实用的字符串匹配算法，它利用部分匹配表来优化匹配过程，提高了字符串匹配的效率。在实际应用中，KMP算法被广泛用于文本搜索、生物信息学、网络爬虫等领域。