字符串匹配：KMP算法

字符串匹配问题：给定字符串 $str$ 和 $substr$ ，若$substr$ 是$str$的子串，返回子串所在位置，若不是子串，返回-1。

---

  假设 $str{=}^{\prime }BBCABCDABABCDABCDABD{E}^{\prime }$，$substr{=}^{\prime }ABCDAB{D}^{\prime }$，下面以此为例，分别说明暴力法、KMP算法解决字符串匹配问题的思想。

朴素字符换匹配算法（暴力）

1. 首先，比较字符串$str$和搜索词$substr$的第一个字符，${}^{\prime }{B}^{\prime }$与${}^{\prime }{A}^{\prime }$不匹配，字符串$str$后移一位。
   
   

2. 直到字符串$str$中有一个字符，与搜索词$substr$的第一个字符相同为止。
   

3. 字符串与搜索词同时后移一位，比较下一个字符是否相同。
   

4. 直到字符串有一个字符，与搜索词对应的字符不相同为止。
   

5. 将搜索词整个后移一位，再从搜索词第一个字符逐个比较。
   

6. 以此类推。

时间复杂度：$O(m\ast n)$，其中$m=len(str),n=len(substr)$。

KMP字符串匹配算法

  KMP算法的思想是，利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。为利用已经匹配的信息，KMP算法针对搜索词，计算出一张部分匹配表。

1. 创建部分匹配表

  首先给出概念：

• 前缀：指除了最后一个字符以外，一个字符串的全部头部组合。
• 后缀：指除了第一个字符以外，一个字符串的全部尾部组合。
• 部分匹配值："前缀"和"后缀"的最长的共有元素的长度。

部分匹配表$partial\_match\_table$是与搜索词$substr$长度相同的数组，$partial\_match\_table[i]$表示搜索词的子串$substr[:i+1]$（不包含 i+1 位）的部分匹配值。

  搜索词$substr{=}^{\prime }ABCDAB{D}^{\prime }$的部分匹配表如下：

• "A"的前缀和后缀都为空集，共有元素的长度为0；

• "AB"的前缀为[A]，后缀为[B]，共有元素的长度为0；

• "ABC"的前缀为[A, AB]，后缀为[BC, C]，共有元素的长度0；

• "ABCD"的前缀为[A, AB, ABC]，后缀为[BCD, CD, D]，共有元素的长度为0；

• “ABCDA"的前缀为[A, AB, ABC, ABCD]，后缀为[BCDA, CDA, DA, A]，共有元素为"A”，长度为1；

• “ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA]，后缀为[BCDAB, CDAB, DAB, AB, B]，共有元素为"AB”，长度为2；

• "ABCDABD"的前缀为 [A, AB, ABC, ABCD, ABCDA, ABCDAB]，后缀为[BCDABD, CDABD, DABD, ABD, BD, D]，共有元素的长度为0。

2. 利用部分匹配表进行字符串匹配

  暴力法遇到不匹配的字符时，将整个字符串向后移动一位，从搜索词的第一个字符重新匹配。KMP算法中给出了部分匹配表，根据不匹配字符的部分匹配值，即可利用已匹配信息，移动搜索词：搜索词移动维数=已匹配字符数-最后一个匹配字符的部分匹配值。

• 空格与D不匹配时，前面六个字符"ABCDAB"是匹配的。查表可知，最后一个匹配字符B对应的"部分匹配值"为2，因此搜索词向后移动的位数为：6-2=4。
  
• 空格与Ｃ不匹配，搜索词还要继续往后移。这时，已匹配的字符数为2（“AB”），对应的"部分匹配值"为0。所以将搜索词向后移位数 = 2 - 0。
  
• 空格与A不匹配，继续后移一位。
  
• 逐位比较，直到发现C与D不匹配。于是，移动位数 = 6 - 2，继续将搜索词向后移动4位。
  
• 逐位比较，直到搜索词的最后一位，发现完全匹配，于是搜索完成。
  

Python代码

def KMP(s, sub):
    m = len(s);
    n = len(sub)
    cur = 0  # 起始指针cur
    table = partial_match_table(sub)
    while cur <= m - n:     # 只去匹配前m-n个
        for i in range(n):
            if s[i + cur] != sub[i]:
                cur += max(i - table[i - 1], 1)  # 有了部分匹配表,我们不只是单纯的1位1位往右移,可以一次移动多位
                break
        else: # for 循环中，如果没有从任何一个 break 中退出，则会执行和 for 对应的 else，只要从 break 中退出了，则 else 部分不执行。
            return True
    return False

# 部分匹配表
def partial_match_table(sub):
    '''''partial_table("ABCDABD") -> [0, 0, 0, 0, 1, 2, 0]'''
    prefix = set()
    postfix = set()
    ret = [0]
    for i in range(1, len(sub)):
        prefix.add(sub[:i])
        postfix = {sub[j:i + 1] for j in range(1, i + 1)}
        ret.append(len((prefix & postfix or {''}).pop()))
    return ret

print(partial_match_table("ABCDABD"))
print(KMP("ABCDAB ABCDABCDABDE", "ABCDABD"))

时间复杂度：$O(m+n)$，其中$m=len(str),n=len(substr)$。

---

for else语句（Python）

• 当迭代对象完成所有迭代后且此时的迭代对象为空时，如果存在else子句则执行else子句，没有则继续执行后续代码；
• 如果迭代对象因为某种原因（如带有break关键字）提前退出迭代，则else子句不会被执行，程序将会直接跳过else子句继续执行后续代码。

for i in range(10):
    if i == 5:
        print 'found it! i = %s' % i
else:
    print 'not found it ...'

输出：
found it! i = 5
not found it …

for i in range(10):
    if i == 5:
        print 'found it! i = %s' % i
        break
else:
    print 'not found it ...'

输出：
found it! i = 5

---

算法思想：字符串匹配的KMP算法
代码：字符串匹配的kmp算法 及 python实现
Python中for循环搭配else的陷阱