BMP算法解析（适合反应没那么快的入门者）

https://www.zhihu.com/question/21923021（洛谷讲师阮行至先生以及“海纳”——《自己动手写python虚拟机》作者，他们的回答是连着的。因为这是一个知乎一个问题的回答，我去他们主页翻了一下，但是没翻到，只能是这种形式了，非常抱歉）

先说明这篇博客是对他们讲解的再加工，主要是我自己看完他们的文章后不理解地方的思考吧，也问了毕业的学长，我自己琢磨了很久，所以希望这个博客能帮到一些和我一样的人，可以少走一点弯路。然后我是学的c++，对阮行至先生的Python代码可能理解不是很到位，第一次发博客问题可能也会比较多。如果有问题，请不吝指教，非常感谢。

——温馨提示：建议先看完两位的回答，如果有不理解的地方，再回来看这篇博客（如果没有自己先有了对BMP算法的理解，那我的这个解析对你来说其实用处不大），可能会有一样的疑惑（本人程度比较差，所以很多内容都比较浅显，请大佬们谅解）

Brute-Force 算法：

5.i<=lenS-lenP(len是字符串的长度，如果大于lenS-lenP了，就不可能和P字符串相等了，所以<=)

9.当S[i+j]==P[j]就是true，i是指在S中循环指到的位置序号，i是一直变的，也就是一直往后面数，j是在P里循环的位置序号，也代表了当在S里循环到i的位置时，加上之前循环的位数，如果和P字符串一样，就是true（如图，看pos3，i指到B了，再加上之前指到的三个A，就是P了，j的循环可以说是一个储存的功能了，而i<=lenS-lenP的限制，就保证了个数会一直是4）——他说是将 S[i : i+len(P)]（这里的冒号指位域长度，也就是i的长度是i+lenP） 与 P 作比较。如果一致，则找到了一个匹配。

Brute-Force的改进思路：

要优化一个算法，首先要回答的问题是“我手上有什么信息？”我们手上的信息是否足够、是否有效，决定了我们能把算法优化到何种程度。请记住：尽可能利用残余的信息，是KMP算法的思想所在。

Find：如果 S[i : i+len(P)] 与 P 的匹配是在第 r 个位置失败的，那么从 S[i] 开始的 (r-1) 个连续字符，一定与 P 的前 (r-1) 个字符一模一样（主串的某一个子串等于模式串的某一个前缀）

利用next数组进行匹配：他的做法是Python的

2.那个for循环等同于for(int i=x;i>0;i--)

3.第三行那个数组，应该是字符串的意思，含左边界不含右边界，也就是取p数组的这一段的意思，这个求nxt数组的方法不够好，是一个n平方级别的，可以去KMP模板题那里找题解看看，应该会有写的比较详细的

7.应该是枚举长度，然后求nxt数组

9.Python中elif表示再次判断的意思，是else if的简写。一个if语句中可以包含多个elif语句，但结尾只能有一个else语句。在Python中，可使用if-elif-else 语句来实现多次条件判断。else和elif语句也可以叫做子句，它们不能独立使用，两者都是出现在if、for、while语句内部的。else子句可以增加一种选择；而elif子句则是需要检查更多条件时会被使用，与if和else一同使用

10.第10行，单纯只是因为字符数组的下标从0开始，所以减一，而不是移动的意思

12.12行，因为失配，并且模式串的标尺已经归零无法移动，所以是待匹配串标尺右移[假设左端是头部/下标小的部分]

15.第15行，因为你在带匹配串中完成匹配的位置是tar，而完成匹配时模式串标尺应该指向末端，pos值为字符串长-1，所以开始位置应该是tar-（pos+1）+1=tar-pos[计算开始位置应该是tar-字符串长+1，pos=字符串长-1，所以字符串长=pos+1]

16.第16行，同第10行

——模式串是P，带匹配串也是主串是S，一般来说主串标尺只会右移+1，模式串标尺在右移时只会+1，在失配时会1根据nxt数组左移

标尺指示的是已经完成匹配的位置，标尺左边是已经完成匹配的，所以主串无论如何都不会走回头路，而在失配时，原本应该直接归零的模式串，因为nxt数组的存在，可以尽可能的减少因为失配造成的损失，所以不会直接清零，而是根据nxt数组移动(如果还是不理解为什么：就是前缀和后缀的匹配原因，在主串待匹配前面的位置，已知匹配的部分模式串，如果失配的话，就找出那部分匹配的模式串中后缀和前缀的最长匹配长度，这样即便移动了，还是有一部分模式串，和主串当前位置的前缀相匹配，就是减少损失了）

快速求next数组：快速构建next数组，是KMP算法的精髓所在，核心思想是“P自己与自己做匹配”。

回顾next数组的完整定义：

• 定义 “k-前缀” 为一个字符串的前 k 个字符； “k-后缀” 为一个字符串的后 k 个字符。k 必须小于字符串长度。
• next[x] 定义为： P[0]~P[x] 这一段字符串，使得k-前缀恰等于k-后缀的最大的k.

　　这个定义中，不知不觉地就包含了一个匹配——前缀和后缀相等。接下来，我们考虑采用递推的方式求出next数组。

向后拓展就是往数组下标大的方向拓展，匹配成功的话，自然去考虑之后的位，从2到3就是文中向后拓展的意思，说得直白点就是向数组下标增大的方向拓展）

•缩短这个now，把它改成小一点的值，再来试试 P[x] 是否等于 P[now].

串A和串B是相同的！B的后缀等于A的后缀！因此，使得A的k-前缀等于B的k-后缀的最大的k，其实就是串A的最长公共前后缀的长度 —— next[now-1]！

当P[now]与P[x]不相等的时候，我们需要缩小now——把now变成next[now-1]，直到P[now]=P[x]为止。P[now]=P[x]时，就可以直接向右扩展了[这里的问题是为什么似乎P和next数组形成了新的S，P?看了别的题解，说是以模式字符串为主字符串，以模式字符串的前缀为目标字符串，一旦字符串匹配成功，那么当前的next值就是匹配成功的字符串的长度]——在求前缀数组时p[now]指向前缀完成匹配的下一位，失配的时候就变nxt[now]，这个xnt数组里要不要减一取决于你数组开始的下标是0还是1，而且红色部分就是now和x指向位置，前面已经完成匹配了，所以尝试匹配下一位，这里图片的说法是没问题的（事实上建议从1开始，这样不容易因为这个-1产生混乱）

对于字符串“abababca”，它的PMT如下表所示：（index是下标，value是nxt数组的值）

（这表里面的信息，说的都是模式串的，应该是计算了nxt数组的模式串，上面是下标，下面是nxt数组）

PMT中的值是字符串的前缀集合与后缀集合的交集中最长元素的长度。例如，对于”aba”，它的前缀集合为{”a”, ”ab”}，后缀 集合为{”ba”, ”a”}。两个集合的交集为{”a”}，那么长度最长的元素就是字符串”a”了，长度为1，所以对于”aba”而言，它在PMT表中对应的值就是1。再比如，对于字符串”ababa”，它的前缀集合为{”a”, ”ab”, ”aba”, ”abab”}，它的后缀集合为{”baba”, ”aba”, ”ba”, ”a”}， 两个集合的交集为{”a”, ”aba”}，其中最长的元素为”aba”，长度为3。

对于“abababca”，它的前缀集合为{a，ab，aba，abab，ababa，ababab，abababc},后缀集合为{bababca，ababca，babca，abca，bca，ca，a}，两个集合的交集为{a}，其中最长的元素为"a",长度为1（比如bababca和abababc，不一样，子串也是要讲顺序的）——往下看，模式字符串从 0 到 j−1 ，在这个例子中就是”ababab”，其前缀集合与后缀集合的交集的最长元素为”abab”， 长度为4。所以就可以断言，主字符串中i指针之前的4位一定与模式字符串的第0位至第4位是相同的，即长度为4的后缀与前缀相同。这样一来，我们就可以将这些字符段的比较省略掉。

（这张图是告诉你字符串匹配时，主串和模式串失配时，为什么模式串能用nxt移动）

我们看到如果是在 j 位 失配，那么影响 j 指针回溯的位置的其实是第 j −1 位的 PMT 值（在尝试匹配第7位时，指针其实还在指着第6位，图中的指针表示的是将要比较的位，和我今早还有前面程序的指针意义不同，往右了一位，从a到b的变化，就是应用了nxt数组的变化，也是为什么nxt数组有效的原因，从匹配了6位，到匹配了4位，只减少了2位）[这里的j回溯的-1是因为，j指向了一个未完成匹配的位置，我们一般认为j应该指在已经成功匹配的位置，所以按照j指在已经成功匹配位置，也就是b时，就是用第j位，所以是b影响回溯，已完成匹配的最后一位影响，用决定这个词感觉更贴切]

温馨提示：找博客找题解，最好挑码风相近的，自己看得懂的