基础KMP
概况
kmp算法是字符串问题的基本算法，其重要性比肩广搜深搜。许多算法都是kmp的延伸运用。
kmp算法又称“看毛片”算法，是一个效率非常高的字符串匹配算法。不过由于其难以理解，所以在很长的一段时间内一直没有搞懂。虽然网上有很多资料，但是鲜见好的博客能简单明了地将其讲清楚。
适用范围
kmp算法完成的任务是：给定两个字符串O和f，长度分别为n和m，判断f是否在O中出现，如果出现则返回出现的位置。常规方法是遍历a的每一个位置，然后从该位置开始和b进行匹配，但是这种方法的复杂度是O(nm)。kmp算法通过一个O(m)的预处理，使匹配的复杂度降为O(n+m)。
说到这里，kmp的重要性已经凸显出来了。
算法的主要思想
我们首先用一个图来描述kmp算法的思想。在字符串O中寻找f，当匹配到位置i时两个字符串不相等，这时我们需要将字符串f向前移动。常规方法是每次向前移动一位，但是它没有考虑前i-1位已经比较过这个事实，所以效率不高。事实上，如果我们提前计算某些信息，就有可能一次前移多位。假设我们根据已经获得的信息知道可以前移k位，我们分析移位前后的f有什么特点。我们可以得到如下的结论：
A段字符串是f的一个前缀。
B段字符串是f的一个后缀。
A段字符串和B段字符串相等。
所以前移k位之后，可以继续比较位置i的前提是f的前i-1个位置满足：长度为i-k-1的前缀A和后缀B相同。只有这样，我们才可以前移k位后从新的位置继续比较。
核心
所以kmp算法的核心即是计算字符串f每一个位置之前的字符串的前缀和后缀公共部分的最大长度（不包括字符串本身，否则最大长度始终是字符串本身）。获得f每一个位置的最大公共长度之后，就可以利用该最大公共长度快速和字符串O比较。当每次比较到两个字符串的字符不同时，我们就可以根据最大公共长度将字符串f向前移动(已匹配长度-最大公共长度)位，接着继续比较下一个位置。事实上，字符串f的前移只是概念上的前移，只要我们在比较的时候从最大公共长度之后比较f和O即可达到字符串f前移的目的。
代码
#include<cstdio>
#include<iostream>
#include<cstring>
#include<string>
#include<map>
#include<algorithm>
using namespace std;
const int N=100005;
int nxt[N];
int lent,lens;
int tot=0;
char s[N],t[N];
void calcunxt()
{
int i=0,j=-1;
nxt[0]=-1;
while(i<lent)
{
if(j==-1||t[i]==t[j])
{
i++;j++;
nxt[i]=j;//记录个数
}
else j=nxt[j];
}
}//建表
void kmp()
{
int i=0,j=0;
while(i<lens)
{
if(j==-1||s[i]==t[j])
{
i++;j++;
if(j==lent)
{
tot++;
// j=nxt[j];
j=0;
}
}
else j=nxt[j];
}
}
int main()
{
int p,ans[N];
scanf("%d",&p);
for(int i=1;i<=p;i++)
{
tot=0;
memset(nxt,0,sizeof(nxt));
scanf("%s",s);
if (s[0]=='#') break;
scanf("%s",t);
lent=strlen(t);lens=strlen(s);
if(lent>lens)
{swap(s,t);swap(lent,lens);}
calcunxt();
kmp();
// ans[i]=tot;
printf("%d\n",tot);
}
// for (int i=1;i<=p;i++)
// printf("%d",ans[i]);
return 0;
}这是最最基础的kmp。
延伸一
题目
给出一个敏感词w，和一篇文章p，你的工作很简单，每次找出p 中第一次出现的w，然后将这个w 删掉，然后重复这个过程，直到在p 中找不到w 为止。请你输出最后删减后的文章p。
方法
按照题目要求，很容易想出一个算法，每次做kmp，找到第一次匹配的位置，然后删掉这个匹配，再做kmp。。直到没有匹配为止。删除的时候采取暴力删除的方法，总复杂度是O(len^2)的，但是不能满分！
这里我们可以优化删除。把暴力删除改为一段一段的删除，因为所需的字符串长度是一定的。用visit数组记录删除状态，用pos记录位置，每次从i-1（前一个位置）开始，通过nxt数组所记录的位置一个一个找。
代码
#include<cstdio>
#include<iostream>
#include<cstring>
#include<algorithm>
#include<cmath>
#include<vector>
#include<ctime>
using namespace std;
const int N=300005;
int nxt[N],lent,lens,visit[N];
char ss[N],tt[N];
void calcunxt()
{
int i=0,j=-1;
nxt[0]=-1;
while(i<lent)
{
if(j==-1||tt[i]==tt[j])
{
i++;j++;
nxt[i]=j;//记录个数
}
else j=nxt[j];
}
}//表格记录所有起始位置
void kmp()
{
int i=0,j=0;
while(i<lens)
{
for (;;)
{
if (visit[i]) i++;
else break;
}
if(j==-1||ss[i]==tt[j])
{
i++;j++;
if(j==lent)
{
int pos=i-1;
j=0;
for (int x=i-1;x>=i-lent;x--)
{
if (visit[pos])
{
pos--;
x++;
continue;
}
visit[pos--]=1;
}
pos=i-lent-1;
for (int x=1;x<=lent;x++)
{
if (visit[pos])
{
pos--;
x--;
continue;
}
pos--;
if (pos<0) break;
}
i=pos;
if (i<0) i=0;
}
}
else j=nxt[j];
}
}
int main()
{
freopen("sensitive.in","r",stdin);
freopen("sensitive.out","w",stdout);
memset(nxt,0,sizeof(nxt));
scanf("%s",ss);
scanf("%s",tt);
lent=strlen(tt);lens=strlen(ss);
if(lent>lens)
{
char zz[N];
strcpy(zz,ss);
strcpy(ss,tt);
strcpy(tt,zz);
swap(lens,lent);
}
// {swap(ss,tt);swap(lent,lens);}
memset(visit,0,sizeof(visit));
calcunxt();
kmp();
for (int i=0;i<=lens;i++)
if (visit[i]!=1) printf("%c",ss[i]);
return 0;
}
后话
当然，这道题还有许多方法。
方法一
kmp+栈或双向链表。
可以用一个栈来优化这个过程：
从头开始扫描文章，扫描到的每一个字符压入栈，并记录每一个字符匹配到的位置。当发现一个匹配的时候，将匹配的字符出栈。然后从栈顶元素匹配到的位置继续匹配。最后栈中保存的就是结果。
方法二
也可以用双向链表来优化这个过程：
和栈优化的方法类似，只是使用双向链表优化删除匹配串，删除操作变为简单改变匹配位置指针的值。
用栈或者双向链表优化后的复杂度是O(len)，可以获得100 分。
延伸二
题目
有的词语常常别有深意，比如hehe可以单纯的表示hehe，也可以表示“excuse me?!”，现给出一段话s，和一个单词t，已知单词t有别有深意，也就是说有两个意思，求s可能有多少个意思？答案对1000000007取模。
方法
KMP+DP
设dp[i]为s长度为i的前缀，有多少种意思，初始情况dp[0]=1。
一般情况下dp[i] = dp[i-1]
如果在s中找到一个t，则t会为s带来新的意思，即是说dp[i] = dp[i-1] + dp[I – lent]。最后输出dp[lens]即可。
如果暴力找出所有t，应该可以得到50分。
我们使用KMP算法快速找到所有s中的t，就可以通过本题。
代码
#include<cstdio>
#include<iostream>
#include<cstring>
#include<string>
#include<map>
#include<algorithm>
using namespace std;
const int N=100005;
const int mod=1000000007;
int nxt[N],dp[N];
int lent,lens;
int tot=0;
char s[N],t[N];
void calcunxt()
{
int i=0;i=-1;
nxt[0]=-1;
while(i<lent)
{
if (j==-1||t[i]==t[j])
{
i++;j++;
nxt[i]=j;//记录个数
}
else j=nxt[j];
}
}//建表
void kmp()
{
int i=0,j=0;
while(i<lens)
{
if(j==-1||s[i]==t[j])
{
i++;j++;
dp[i]=dp[i-1];
if(j==lent)
{
tot++;
j=nxt[j];
dp[i]=(dp[i-1]+dp[i-lent])%mod;
// j=0;
}
}
else j=nxt[j];
}
}
int main()
{
freopen("meaning.in","r",stdin);
freopen("meaning.out","w",stdout);
int p,ans[N];
scanf("%d",&p);
for(int i=1;i<=p;i++)
{
dp[0]=1;
tot=0;
memset(nxt,0,sizeof(nxt));
scanf("%s",s);
scanf("%s",t);
lent=strlen(t);lens=strlen(s);
// if(lent>lens)
// {swap(s,t);swap(lent,lens);}
calcunxt();
kmp();
// ans[i]=tot;
printf("%d\n",dp[lens]);
}
return 0;
}后话
所以kmp还可以结合动态规划dp，再加上DP的多样性， 这就有很多多样的变形了。
总结
kmp算法是一个非常灵活的算法，上面的几种变形只是冰山一角。要想攻克字符串大难题，仅有kmp是不行的，但是不会kmp是万万不行的。
希望各位读者可以写好这个算法，在以后的程序生活中更上一层楼！
2017.4.27
772
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
