KMP算法图文详解_JAVA

KMP算法图文详解

这几天学习KMP算法，一时不得解，查阅了很多资料，看了些视频，总算是学了点东西。小小的理解了KMP思想方法。下面是我的详细理解过程。

什么是KMP算法

KMP算法是广泛说是一个子字符串匹配方法，
主要来说是 主字符串中查找模式字符串的位置
是对暴力求解的优化
时间复杂度是O(n)

基本概念说明

s[ ]是模式串，通俗来说是较长的字符串。
p[ ]是模板串，通俗来说是较短的字符串。

“非平凡前缀”：指除了最后一个字符以外，一个字符串的全部头部组合。
“非平凡后缀”：指除了第一个字符以外，一个字符串的全部尾部组合。（后面会有例子，均简称为前/后缀）

“部分匹配值”：前缀和后缀的最长共有元素的长度。（后面作详细讲解）。

next[ ]是“部分匹配值表”，即next数组，它存储的是每一个下标对应的“部分匹配值”，是KMP算法的核心。（后面作详细讲解）。

朴素算法实现

现在取两个数组（下标从1开始）：
s[11] ，p[5]
现在要进行匹配找到 s 中的 p 字符串
原始位置如下：

如果匹配成功，则匹配下一位

如果匹配失败，则p数组后移一位

重新从第一个位置开始匹配。
这样的时间复杂度O(MN),字符串短影响不大，一旦字符串很大了，就必须换一种算法了

KMP在何处优化

我们可以看到，在朴素算法里面匹配时，若遇到匹配失败的，只能是 后移一位 模板串。
这里可不可以进行优化呢，答案是可以的。
接着朴素算法，我们看第一次匹配失败时的情况

在朴素算法里面，是将p数组 后移一位，重新匹配

我们仔细研究已匹配的字符

我们会发现 第一位 与 第三位 字符是相同的
这个是KMP算法的核心，如果在已匹配的字符串中，首尾有相同的元素，我们可以直接移动 k 位 使得每次匹配失败不是只能后移一位

如果用 i 表示 s数组 的下标，用 j 表示 p数组 的下标
我们会发现i = 4 不会变，，j = 4变成了j = 2第二位
j变成了第二位
有什么依据吗？为什么会变成第二位呢？第二位从哪来的呢？
答：依据是，我们比对s和p，数组前面已经成功匹配的部分发现 第一位与第三位相同。
因为，在相同的字符串中，如果有首位相同的最大字符串可以将坐标j变成最大相同字符串的下标+1
从哪来？从next[]数组中来。（next[]数组是我们必须要求出来的，KMP核心数组）

求next数组

直接看案例
因为next数组只与p数组有关（s与p相同的部分，只看p即可）
所以我们直接取一个数组p[]= {‘A’，‘B’，‘C’，‘A’，‘B’，‘C’};

这里已将next数组给出，接下来我们一起求next数组。
先将代码放出

for (int i = 2,j = 0; i <= m; i++) {
    while(j != 0 && p[i] != p[j+1]) j = next[j];
    if (p[i] == p[j + 1]) j ++;
    next[i] = j;
}

我们知道
对next[ j ] ，是p[ 1, j ]串中前缀和后缀相同的最大长度（部分匹配值），即 p[ 1, next[ j ] ] = p[ j - next[ j ] + 1, j ]
如何理解呢？

i	i下标包括的元素个数	元素	可能前缀	可能后缀	最长前后缀大小	next
i = 1	1个	A	A	A	不比较	next[1]=0
i = 2	2个	A	A	B	不同	next[2]=0
i = 3	3个	A，B,C	A,AB	C,BC	0	next[3]=0
i = 4	4个	A，B，C，A	A,AB,ABC	A,CA,BCA	1	next[4]=1
i = 5	5个	A，B，C，A，B	A,AB,ABC,ABCA	B,AB,CAB,BCAB	2	next[5]=2
i = 6	6个	A，B，C，A，B，C	A,AB,ABC,ABCA,ABCAB,ABCABA	C,BC,ABC,CABC,BCABC	3	next[5]=3

通过表格与代码可知，next[k]存储的是，p数组中，k下标前面的（包括K）的字符串的可能的前缀组合，与后缀组合相同的最大个数。

再看代码当i = 1时只有一个字符，没有比对的意义，所以，next[1] = 0,
i = 2开始，每次比较

 while(j != 0 && p[i] != p[j+1]) j = next[j];

j代表着最大的前缀与后缀相同时的大小
当匹配到下一个字符时，发现不相同，那么j应该等于，上一个循环时的j

if (p[i] == p[j + 1]) j ++;
next[i] = j;

每一次循环将 next[i] = j; 记录着i下标下的最大匹配值

s与p匹配代码

for (int i = 1,j = 0; i <= n; i++) {

            while (j != 0 && s[i] != p[j+1]) j = next[j];

            if (s[i] == p[j+1]) j++;

            if (j == m) {
                //匹配成功
            }

如果，s[i] != p[j+1] 说明两个字符串已经不匹配了，j 要退回到最大字符串相同的位置，再将s[i] 与新的 p[j+1] 比对，如果不相同，再次退回。
说明
s[i] 是 p[j+1] 匹配，所以在 j 退回的时候，可能出现，j+1 不匹配的问题。
所以要用while循环

题目

判断两个字符串第一次匹配的位置

输入格式
第一行输入整数M，表示字符串 P 的长度。
第二行输入字符串 P。
第三行输入整数 N，表示字符串 S 的长度。
第四行输入字符串 S。
输入样例：
3
aba
5
ababa

输出样例：
0

代码

import java.io.*;

public class KMP{
    final static int N = 100010;
    final static int M = 1000010;
    static char[] p = new char[N];
    static char[] s = new char[M];
    static int[] next = new int[N];
    public static void main(String[] args) throws Exception {
        BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
        int m = Integer.parseInt(br.readLine()); // 模板串的长度
        String pStr = br.readLine();
        for (int i = 1; i <= m; i++) p[i] = pStr.charAt(i - 1);

        int n = Integer.parseInt(br.readLine()); // 被匹配字符串的长度
        String sStr = br.readLine();
        for (int i = 1; i <= n; i++) s[i] = sStr.charAt(i - 1);

        //求next[]数组
        for (int i = 2,j = 0; i <= m; i++) {
            while(j != 0 && p[i] != p[j+1]) j = next[j];

            if (p[i] == p[j + 1]) j ++;
            next[i] = j;
        }
		//匹配
        for (int i = 1,j = 0; i <= n; i++) {

            while (j != 0 && s[i] != p[j+1]) j = next[j];

            if (s[i] == p[j+1]) j++;

            if (j == m) {
                 System.out.println((i - m) + " ");
                 break;
            }
        }
        br.close();
    }
}