改进的模式匹配算法—KMP算法

在暴力匹配中，每趟匹配失败都是模式后移一位再从头开始比较。而某趟已匹配相等的字符序列是模式的某个前缀，这种频繁的重复比较相当于模式串在不断地进行自我比较，这就是低效率的根源。

理解KMP算法

KMP算法，全称为Knuth-Morris-Pratt算法，是一种字符串匹配算法，用于在一个文本串S中查找一个模式串P的出现位置。相较于传统的暴力匹配算法，KMP算法具有更高的效率。

KMP算法的核心思想是利用已经匹配过的信息，避免不必要的回溯。它通过构建一个辅助数组next[]，记录模式串中每个位置之前最长的相同前缀和后缀的长度。在进行匹配时，当出现不匹配的情况时，通过查找next数组得到一个新的起始位置，从而避免重复匹配已经比较过的部分。

具体KMP算法流程

1. 预处理模式串P，构建next数组。
2. 设置两个指针i和j，分别指向文本串S和模式串P的起始位置。
3. 逐个比较S[i]与P[j]的字符：

• 若匹配成功，则i和j同时后移。
• 若匹配失败，根据next数组找到一个新的j值，使得P[0...j-1]与S[i-j+1...i-1]相等。

4. 重复步骤3直至达到文本串或模式串的末尾。
5. 若找到匹配，返回匹配的起始位置；否则，返回-1。

通过利用next数组的信息，KMP算法将匹配时间复杂度降低至O(n+m)，其中n为文本串的长度，m为模式串的长度。

KMP算法的关键是构建next数组，它用于记录模式串中每个位置之前最长的相同前缀和后缀的长度。

前缀后缀的最大公共元素长度

• 前缀：即从第一个字母开始往后看到最后一个字母(不包括)为止的字符串的以第一个字母开头的子串，如 "abab" 的前缀有a,ab,aba
• 后缀：即从最后一个字母开始往前看到第一个字母(不包括)为止的字符串的以最后一个字符为末尾的子串，如"abab" 的后缀有b,ab,bab
• 最大公共子串长度：也就是前缀和后缀拥有的相同子串的最大长度，以"abab"为例：

模式串各个子串	前缀	后缀	最大公共元素长度
a	空	空	0
ab	a	b	0
aba	a,ab	a,ba	1
abab	a,ab,aba	b,ab,bab	2

例如模式串”abcac“与“ababcabcacbab”进行匹配

KMP算法求next数组

function getNextArray(pattern):
    n := pattern.length
    next := new Array of size n
    next[0] := -1  // 初始化next数组第一个元素为-1
    i := 0  // 模式串指针
    j := -1  // next数组指针

    while i < n - 1 do:
        if j == -1 or pattern[i] == pattern[j] then:
            i := i + 1
            j := j + 1
            next[i] := j
        else:
            j := next[j]

    return next

根据上述伪代码，next数组的求解过程如下：

• 首先，我们初始化next数组的第一个元素next[0]为-1。
• 然后，使用两个指针i和j分别指向模式串的字符位置和next数组的位置。循环遍历模式串的字符。
• 如果j等于-1或者当前位置的字符与j位置的字符相等，则将i和j分别后移，并且将next[i]设置为j的值。
• 如果当前位置的字符与j位置的字符不相等，则将j更新为next[j]，继续匹配。
• 循环结束后，即可得到完整的next数组。

最终返回的next数组即为KMP算法所需的结果，需要注意的是，next数组中的值不包括当前位置的字符。即next[i]表示模式串中从0到i-1的子串的最长相同前缀和后缀长度。

继续接上一节子串abcac的next求解如下：

算法推演如下：

KMP算法在字符串匹配中有着广泛的应用。它能有效地解决大规模文本搜索、DNA序列匹配等问题，提高了字符串匹配的效率。对于需要频繁进行字符串匹配的应用场景，使用KMP算法能够显著减少计算时间，提升算法性能。