KMP算法——在字符串中找字符串

• 字符串中寻找字符串，可能最容易先想到的是---暴力匹配算法。比如：

这张图中的主串与子串进行比对，一个字一个字的比对，当主串第四个B与子串第四个A不匹配时，主串就会跳过第一个字符，到第二个字符重新匹配，直到与子串的四个字符都匹配上，才算完成。这个算法原理很简单，理解起来也不难，但最大的问题就是它的时间复杂度。时间复杂度是一个o（n*m）的算法，n和m代表：主串和子串的长度。如果用暴力算法的话，效率极低，但我们可以用KMP算法，这样就很简单了。

• 那什么时KMP算法呢？通俗的来讲：KMP算法是一种改进的字符串匹配算法，（简称KMP算法）。KMP算法的核心是利用匹配失败后的信息，尽量减少子串与主串的匹配次数以达到快速匹配的目的。具体实现就是通过一个next()函数实现，函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度O(m+n)。
• 我们就在想，子串中最后一个数不等于主串中的第四个数，我们可不可以把子串往后移呢。这样就总能找到与主串相等的数了。那，怎样才能找到跳过多少个字符呢？如何找到呢？这里就需要用到KMP中的定义数组next了。以一个图为例：对于next的数组，子串中最后一个数匹配失败后，它所对应的数为2，则子串就跳过2个字符，然后再看到主串与子串有无匹配。这样就不需要回退主串中的指针了。只需要子串跳过n个字符，与之匹配就可以了。是不是比之前的暴力算法简单了很多。
• 首先，要解决的问题就是Next数组的的生成。next的本质：就是寻找子串中“相同前后缀的长度”，并且一定时最长的前后缀。子串中第一个A，显然不存在比他还要短的前后缀，（第二个也一样）所以为0。第三个也为A，则为1，第四个也为A则为2。如果子串还有很多串，则以此类推。我们可以用for循环暴力来求，但效率比较低，我们可以用递推的方式来求解。

则代码为：

def build_next(patt)
{
	//这里要计算next数组
	next = [0];//初始化，初识元素为1
	prefix_len = 0;
	i = 1;
	while (i < len(patt))
		if (patt[prefix_len] == patt[i])
			prefix_len += 1;
	next.append(prefix_len)
		i += 1;
		else
			if (prefix_len == 0)
				next.append(0);
	i += 1;
			else
				prefix_len = next[prefix - 1]
				return next;
}

这样next就能很好的表示出来啦。

• 那next数组已经实现了，我们就可以来实现KMP算法的程序实现了。则代码为

  def kmp_search(string, patt)
  {
  	next = build_next(patt);//next算法已经算出
  	i = 0;//主串中的指针
  	j = 0;//子串中的指针
  	while (i < len(string))
  		if (string[i] == patt[j])//字符匹配，指针后移
  			i += 1;
  	j += 1;
  		else if (j > 0)//字符失配，根据next跳过子串前面的一些字符
  			j = next[j - 1];
  	//子串第一个字符就失配
  		else
  			i += 1;
  	if (j == len(patt))//匹配成功
  		return i - j;
  		
  }

  这里就是KMP算法的的程序实现，但是还没有完，还需要主函数的帮衬，才能完成这项算法，这一步就比较简单了，则代码为：

  int main()
  
  {
  	char arr1[] = "ABABAA";
  	char arr2[] = "ABAA";
  	def(arr1, arr2);
  	next(arr1, arr2);
  	kmp_search(arr1, arr2);
  		int build_next(arr1, arr2);
  		//函数声明
  	return 0;
  }

  这里KMP算法基本上已经写完了，不得不说，next数组的算法时最难的，需要理解主串与子串的走向，以及它的变化规律。还要避免重复的运算。

• 可能KMP算法比较难以理解，但总之，只要知道其中的原理，就能很好的写出算法。你学会了吗？如果我有写的不对的地方，请你们指出来哦。我会虚心接受的。