f[]是失配数组(顾名思义 失配数组记录的就是,原串和模式串若发生不匹配时,模式串应该调回到最近可能匹配的位置)
================================================================================================
KMP可以用来处理如下问题:
用P字符串匹配T字符串,问 T 字符串中出现了几个 和 P 一模一样的子串
================================================================================================
当P[i]与T[k]不一样时(不一样叫失配)
要么从头开始和T[k]匹配(朴素算法就是这样做的,不一样时用P[0]和当前的T[k]匹配)
KMP是用最可能P[f[?]]匹配,?是用find()函数中的while寻找最近的,与当前的T[k]相同的字符
================================================================================================
注意失配数组 int f[101], 和模式串 char P[100]数组是大1的(一一对应P的每个字符的失配情况,显然对于P[strlen(s)+1]所对应的情况就是完全匹配时的转移位置)
如 ,对于P(模式串)
P:a s d f g w s x f g a s d c d a s d c
显然蓝色字体与前面的 asd 重复了,所以当再次匹配到 a s d 成功后,若在 c 位置匹配失败(简称失配),则可以移动到f位置匹配,因为之前的asd已经成功了
所以f[c位置] = 3 (P[ f[c位置]] = f)
对于上述的P,可以得到这样的失配数组:
f = { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 2, 3, 0, 0, 1, 2, 3, 0 }
因此得到失配数组 f 【i】的含义就是 :字符串P[0]为起点的前缀 和 字符串P[i-1]为终点的后缀 两个字符串的最大匹配字母个数。
当P数组的第i个字符与文本串T[j]不一样时,用P[ f [i] ] 与文本串T[j] 匹配。注意一点:T[0-j-1] 与 P[ f[i] ]是完全一样的!
如何计算 f 数组:我们用递推的思想,假设我们已经求出f[0] - f[i] , 对于f[i+1] , 直到找到一个能与当前的P[i]字母匹配的前缀为止(空字符与任意字符匹配)。
例1:
i : 0123456
字符串 P: abcabab
f[i] : 00001212
例2:
i : 01234567
字符串P : abababab
f[i] : 000123456
例3:
i : 012345678
字符串P: ababcdabd
f[i]: 0001200120
例4:
i : 0123456789
字符串P: aaabbbaaaa
f[i]: 00120001233
特别注意:当完全匹配成功时,f【len+1】 = len,( f 数组其实最后是比 P数组 大1的 )
================================================================================================
KMP也常用来处理字符串前缀的问题
最后一个字符的f【】值就是P自身 前缀与后缀的最大匹配值
- #include <stdio.h>
- #include <string.h>
- char T[10000],P[100];//从0开始存
- int f[100];//记录P的自我匹配
- void getFail(){
- int m=strlen(P);
- f[0]=f[1]=0;
- for(int i=1;i<m;i++){
- int j=f[i];
- while(j&&P[i]!=P[j])j=f[j];
- f[i+1]= P[i]==P[j] ? j+1 : 0;
- }
- }
- int find(){//返回第一个P 在 T 中出现的位置
- int len1=strlen(T),len2=strlen(P);
- getFail();
- int j=0;
- for(int i=0;i<len1;i++)
- {
- while(j&&P[j]!=T[i])j=f[i];
- if(P[j]==T[i])j++;
- //到这一步,j就代表 T[i]已经匹配了前面j个P的字符串
- if(j==len2)return i - len2 + 1;
- }
- return -1; //表示 P 不存在于 T
- }
- /*
- int KMP(int *f2, char *S1, char *S2){ //f2是S2的失配数组
- int pos = 0, len = strlen(S1), j = 0, i = 0;
- while(i <= len)
- {
- while(j!=-1 && S1[i] != S2[j]) j = f2[j];
- i++, j++;
- if(i == len)pos = max(pos, j);
- }
- return pos; //这样得到的是S1的尾部和S2的前缀的 最大匹配位置(在S2中的位置)
- } */
----------------------------------
我们想象一下KMP函数的执行过程:
i
↓
S1:ACM MECKSDLF
S2:ASFDJKLEDHV
f2:01349098203045 //乱写的
↑
j
显然i是不停→移动,而j是不停进行失配过程。
则当i移动到S1结尾时,j所在的位置就是j所失配的位置。(注意此时i是超过S1的(在最后一个字母后面一位, 且j不一定与S1[i]匹配 ,但S2[j](不包括S2[j]前面的一定与S1匹配)
而pos 是S2的前缀与S1的后缀最大匹配字母数。 因此S2[pos]是不与S1匹配的!
-----------------------------------------
失配数组优化:
- void getnext(char *s)
- {
- int i = 0, j = -1;
- f[0] = -1;
- while(i != len)
- {
- if(j == -1 || s[i] == s[j])
- f[++i] = ++j;
- else
- j = f[j];
- }
- }
优化版失配数组详见:http://blog.csdn.net/niushuai666/article/details/6965517