一个长度为n的字符串T(文本串),和长度为m的字符串(模板串),在字符串T中寻找字符串匹配点,朴素的算法就是二重循环暴力寻找,这样的时间复杂度为O(n*m),而现在要介绍的kmp算法时间复杂度O(n+m),这个时间复杂度已经达到理论的上界了,因为至少所有的字符都需要遍历
kmp算法是利用模板串自身的特性判断出失配后该走向哪
比如字符串abbaaba在匹配到最后一个的时候发现不匹配了,这个时候前面6个文本字符的信息abbaab的信息就可以加以利用前缀ab和后缀ab相同,所以移动至少要移动4位,而为了记录每次失配后应该怎么走需要在引进一个数组f
void getfail(char *p,int *f)
{
int m=strlen(p);
f[0]=0;
f[1]=0;
for(int i=1;i<m;i++)
{
int j=f[i];
while(j&&p[i]!=p[j]) j=f[j];//利用前面的信息进行递推
f[i+1]=p[i]==p[j]?j+1:0;//若p[i]==p[j],则失配时到j+1再比较,此时已经保证前j个已经匹配
}
}
void find(char *T,char *P,int *f)
{
int n=strlen(T),m=strlen(P);
getfail(P,f);//计算f数组
int j=0;
for(int i=0;i<n;i++)
{
while(j&&T[i]!=p[j]) j=f[j];//顺着失配边走
if(T[i]==p[j]) j++;//模板串后移
if(j==m) printf("%d\n",i-m+1);
}
}
例:
主串:abacbcabababbcbc
模式串:abababb
j | 0 | 1 | 2 | 3 | 4 | 5 | 6 |
模式串 | a | b | a | b | a | b | b |
next[j] | -1 | 0 | 0 | 1 | 2 | 3 | 4 |
对于next函数的理解,可以找一个例子自己算一算,相信会有更加深刻的认识
next数组的本质是模式串中下标X之前的最长等值前后缀的长度