KMP 字符串匹配算法

简介

KMP 算法是一种字符串匹配算法，字符串匹配应用比较广泛，比如网页文本搜索，在文本种找到某个模式的所有出现位置，在 DNA 序列种搜寻特定的序列等。该算法是由 Knuth、Morris 和 Pratt 三人设计的，可以在线性时间字符串匹配的算法。其他匹配算法还有暴力算法、Rabin-Karp 算法、有限自动机算法（用于正则表达式、词法分析等），下面我们主要介绍 KMP 算法

复杂度

设定主串长度为 n、模式串长度为 m
匹配时间复杂度 O(n)
辅助函数计算时间复杂度 O(m)
辅助函数空间复杂度 O(m)
辅助函数通过在 next 数组中记录模式串的前后缀信息，在字符串匹配过程种避免主串回溯，从而达到 O(n) 的匹配时间复杂度

算法详解

1. next 数组

next 数组是对于模式串 P 而言的
设定 next*[i] = k，它表示模式串 P 从下标 0 到下标 i 的子串中，前缀与后缀相同的最大字符数 k 其中 k <= i - 1。
next 数组是相对于 next* 数组整体右移一位，首位补 -1，主要是为了方便使用，利用 next* 数组也可以进行 KMP 算法

示例：

模式串P	a	b	a	b	a	b	c	b
index	0	1	2	3	4	5	6	7
next*	0	0	1	2	3	4	0	NA
next	-1	0	0	1	2	3	4	0

next*[0] = 0，前后缀为空字符串
next*[1] = 0，前后缀均不相同
next*[2] = 1，存在最长相同前后缀 “a”
next*[3] = 2，存在最长相同前后缀 “ab”
next*[4] = 3，存在最长相同前后缀 “aba”
next*[5] = 4，存在最长相同前后缀 “abab”
next*[6] = 0，前后缀均不相同

next* 数组求解过程

2. KMP 算法

匹配过程

上面的匹配过程种，主串并不会回溯，遇到匹配失败，则会根据 next 数据调整模式串匹配位置，主串种匹配失败的位置可能会进行多次匹配，但是整体复杂度并不会超过 O(n)，算法导论中有对 KMP 算法时间复杂度的摊还分析，有兴趣的可以看一下

实现代码

1. 求解 next 数组代码

void getNext(char * p, int * next) {
	next[0] = -1;
	int i = 0, j = -1;
	while (i < (int)strlen(p)) {
		if (j == -1 || p[i] == p[j]) {
			++i;
			++j;
			next[i] = j;
		} else {
			j = next[j];
		}
	}
}

2. KMP 匹配

int kmp(char * t, char * p)  {
	int i = 0; 
	int j = 0;
	while (i < (int)strlen(t) && j < (int)strlen(p)) {
		if (j == -1 || t[i] == p[j])  {
			i++;
       		j++;
		} else  {
       		j = next[j];
        }
    }
    if (j == strlen(p))
       return i - j;
    else 
       return -1;
}