串---KMP算法及其优化实现

KMP 算法详解

KMP 算法（Knuth-Morris-Pratt 算法）是一种高效的字符串匹配算法，它可以在 O(n+m) 时间复杂度内完成模式串在主串中的搜索工作，其中 n 是主串的长度，m 是模式串的长度。KMP 算法的核心思想是利用模式串自身的结构特点，避免不必要的回溯，从而提高效率。

本文档将详细介绍 KMP 算法的原理、步骤以及如何在 C 语言中实现。

1. KMP 算法原理

1.1 前缀与后缀

对于模式串 s，一个长度为 k 的前缀是指从模式串开头连续取 k 个字符形成的子串；一个长度为 k 的后缀是指从模式串末尾连续取 k 个字符形成的子串。

1.2 最长公共前后缀

最长公共前后缀是指模式串中最长的一个既是前缀又是后缀的子串。例如，对于模式串 ABCDABCD，最长公共前后缀是 ABCD。

1.3 next 数组

next 数组是 KMP 算法中的关键数据结构，它记录了模式串中每个位置的最长公共前后缀的长度。对于模式串 s，next[j] 表示 s[1..j] 的最长公共前后缀的长度。

1.4 nextval 数组

nextval 数组是 next 数组的一种优化版本，它可以更高效地跳过不必要的比较。nextval[j] 表示 s[1..j] 的最长公共前后缀的长度，但当 s[next[j]] != s[j] 时，可以直接跳到 nextval[j]。

2. KMP 算法步骤

2.1 获取 next 数组 (getNext)

此函数用于计算模式串的 next 数组。

//获得next数组，s为模式串，next为所求next数组 
void getNext(char *s,int *next){
	//i表示从第二个字符开始， 
	int i = 1;
	//k表示最长公共前后缀的数量
	int k = 0;
	//next[0]没有值，next[1]为第一个字符，没有前后缀，直接赋值为0 
	next[1] = 0; 
	//模式串的长度,这里之所以要减一，是因为把\0也算在里面了 
	int length = strlen(s)-1;
	//从第二个字符开始，一直到最后一个字符 
	while(i < length){
		//1.j等于0，说明现在是第二个字符，前面只有一个字符，则赋值为1
		//2.当s[i]==s[k],s[i]表示现在扫描到的字符，与前一个公共最长前后缀的前缀的后一个字符比较
		//如果相等，说明该公共最长前后缀加1 
		//如果不相等，就让k等于前一个公共最长前后缀的前缀的后一个字符比较，之后再次循环判断 
		if(k == 0 || s[i] == s[k]){
			i++;
			k++;
			next[i] = k; 
		} else { 
			k = next[k]; 
		}
	} 
	printf("下面是next数组数据\n"); 
	for(int j = 0; j <= length; j++){
		printf("%d ",next[j]);
	}
	printf("\n");
}

参数:

• s: 模式串。
• next: next 数组。

功能:

• 初始化 next[1] 为 0。
• 通过比较模式串中的字符，填充 next 数组。

2.2 获取 nextval 数组 (getNextVal)

此函数用于计算模式串的 nextval 数组。

void getNextVal(char *s,int *nextval,int *next){
	nextval[1] = 0;
	for(int j=2;j<=strlen(s)-1;j++){
    	if(s[next[j]]==s[j]){
    		nextval[j]=nextval[next[j]];
		} else {
			nextval[j]=next[j];
		}
	}
	printf("下面是nextval数组数据\n"); 
	for(int j = 0; j <= strlen(s)-1; j++){
		printf("%d ",nextval[j]);
	}
	printf("\n");
} 

参数:

• s: 模式串。
• nextval: nextval 数组。
• next: 已经计算好的 next 数组。

功能:

• 初始化 nextval[1] 为 0。
• 根据 next 数组计算 nextval 数组。

2.3 KMP 方法 (KMP)

此函数用于在主串中查找模式串。

//KMP方法，返回第一个匹配模式串的开始下标
int KMP(char *s,char *modelStr){
	//i表示查找字符串的下标 
	int i = 1;
	//j表示模式串的下标 
	int j = 1;
	//模式串的长度 ,这里之所以要减一，是因为把\0也算在里面了 
	int length = strlen(modelStr)-1;
	printf("模式串的长度：%d\n",length);
	//声明next数组 
	int next[length+1];
	//声明nextval数组
	int nextval[length+1]; 
	//获取next数组
	getNext(modelStr,next);
	//获得更优的nextval数组
	getNextVal(modelStr,nextval,next); 
	while(i <= strlen(s)-1 && j <= strlen(modelStr)-1){
		//当第1个元素匹配失败时，匹配下一个相邻子串，令j=0,i++，j++
		//如果匹配成功再往后匹配一个字符，直到结束
		//如果匹配不成功，那么就让j移动到next[j]，再进行比较 
		if(j == 0 || s[i] == modelStr[j]){
			i++;
			j++;
		} else {
			j = nextval[j];
		}
	} 
	if(j > length){
		return i - length;
	} else {
		return -1;
	}
}

参数:

• s: 主串。
• modelStr: 模式串。

返回值:

• 如果找到模式串，则返回模式串在主串中的起始位置（从 1 开始计数）。
• 如果未找到模式串，则返回 -1。

功能:

• 调用 getNext 和 getNextVal 函数计算 next 和 nextval 数组。
• 在主串中进行模式串的匹配，使用 nextval 数组跳过不必要的比较。

3. 示例程序

下面是一个示例程序，演示了如何使用上述定义的功能。

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
//优化的KMP算法 
//获得next数组，s为模式串，next为所求next数组 
void getNext(char *s,int *next){
	//i表示从第二个字符开始， 
	int i = 1;
	//k表示最长公共前后缀的数量
	int k = 0;
	//next[0]没有值，next[1]为第一个字符，没有前后缀，直接赋值为0 
	next[1] = 0; 
	//模式串的长度,这里之所以要减一，是因为把\0也算在里面了 
	int length = strlen(s)-1;
	//从第二个字符开始，一直到最后一个字符 
	while(i < length){
		//1.j等于0，说明现在是第二个字符，前面只有一个字符，则赋值为1
		//2.当s[i]==s[k],s[i]表示现在扫描到的字符，与前一个公共最长前后缀的前缀的后一个字符比较
		//如果相等，说明该公共最长前后缀加1 
		//如果不相等，就让k等于前一个公共最长前后缀的前缀的后一个字符比较，之后再次循环判断 
		if(k == 0 || s[i] == s[k]){
			i++;
			k++;
			next[i] = k; 
		} else { 
			k = next[k]; 
		}
	} 
	printf("下面是next数组数据\n"); 
	for(int j = 0; j <= length; j++){
		printf("%d ",next[j]);
	}
	printf("\n");
}

void getNextVal(char *s,int *nextval,int *next){
	nextval[1] = 0;
	for(int j=2;j<=strlen(s)-1;j++){
    	if(s[next[j]]==s[j]){
    		nextval[j]=nextval[next[j]];
		} else {
			nextval[j]=next[j];
		}
	}
	printf("下面是nextval数组数据\n"); 
	for(int j = 0; j <= strlen(s)-1; j++){
		printf("%d ",nextval[j]);
	}
	printf("\n");
} 

//KMP方法，返回第一个匹配模式串的开始下标
int KMP(char *s,char *modelStr){
	//i表示查找字符串的下标 
	int i = 1;
	//j表示模式串的下标 
	int j = 1;
	//模式串的长度 ,这里之所以要减一，是因为把\0也算在里面了 
	int length = strlen(modelStr)-1;
	printf("模式串的长度：%d\n",length);
	//声明next数组 
	int next[length+1];
	//声明nextval数组
	int nextval[length+1]; 
	//获取next数组
	getNext(modelStr,next);
	//获得更优的nextval数组
	getNextVal(modelStr,nextval,next); 
	while(i <= strlen(s)-1 && j <= strlen(modelStr)-1){
		//当第1个元素匹配失败时，匹配下一个相邻子串，令j=0,i++，j++
		//如果匹配成功再往后匹配一个字符，直到结束
		//如果匹配不成功，那么就让j移动到next[j]，再进行比较 
		if(j == 0 || s[i] == modelStr[j]){
			i++;
			j++;
		} else {
			j = nextval[j];
		}
	} 
	if(j > length){
		return i - length;
	} else {
		return -1;
	}
}

int main() {
    char s[1001]; // 主字符串
    char modelStr[1001]; // 模式串

    printf("请输入主字符串: ");
    scanf("%s", &s[1]);
	
    printf("请输入要查找的模式串: ");
    scanf("%s", &modelStr[1]); 
    
	printf("主字符串："); 
	for(int i = 1; i < strlen(s); i++){
		printf("%c",s[i]);
	}
	printf("\n");
	printf("模式串：");
	for(int i = 1; i < strlen(modelStr); i++){
		printf("%c",modelStr[i]);
	}
	printf("\n");

    int pos = KMP(s, modelStr);

    if (pos != -1) {
        printf("模式串在主字符串中的起始位置是: %d\n", pos); // 输出匹配的位置，注意下标从1开始
    } else {
        printf("模式串在主字符串中未找到。\n");
    }

    return 0;
}

4. 使用说明

1. 编译并运行上述示例程序。
2. 根据提示输入主串和模式串。
3. 观察并理解 KMP 算法的输出结果。

5. 总结

通过本文档，您可以了解到 KMP 算法的基本概念和实现方法。使用这些知识，您可以轻松地处理字符串匹配问题，特别是在大数据量的情况下，KMP 算法能显著提升性能。希望这份指南能够帮助您更好地理解和使用 KMP 算法。