【学习笔记】图解，以初学者角度简单易懂地理解kmp算法（C语言实现）

笔者的叨叨：这几天花了好些时间去学习kmp算法。可能由于我是一名初学者，理解起来比较费劲。但是不得不吐槽的一点就是：有关kmp算法的讲解，无论是我现有书籍也好，大佬们的博客也罢，概念说法不一，作为初学者是极容易绕进去的。所以在查阅各路大佬们的资料及结合自己的理解下，我希望将此算法作为笔记记录下来，方便自己以日后作为参考，同时希望各位初学者能通过这篇笔记少走弯路。

↓关于kmp算法学习笔记我会以一下纲要一一记录↓

纲要（阅读该笔记，你将学到：）

• 了解kmp算法
  1.为什么kmp算法要比BF算法更好？
  2.kmp算法的工作原理是怎样的？
  3.next数组是怎样创建的？
  4.代码实现

---

了解kmp算法：

1. 为什么kmp算法要比BF算法更好？

A：为什么kmp算法要比BF算法更好？
Q：首先我们需要简单回顾一下BF算法

我们以一个例子为例：（初学者可以把目标串理解为源文本，模式串理解为待查询的文本。）

当一个目标串S（以下简称S串）：“acdacaacdacc”与一个模式串T（以下简称T串）：“acdacc”进行匹配时，如下图所示：

图1.（情况a）

我们可以看到，开始的时候，T串j从0遍历到4的时候，与S串是一一匹配，此时只要S[5]和T[5]也匹配的话，那么T串和S串就匹配成功了。
但很可惜,T[5]!=S[5]。。。。。。
我们把这种情况称为情况a

图2.

来到这一步，按照BF算法的逻辑，那么下一步将是将T串向后移动一个单位，将T[0]对准S[1]继续遍历。

图3.

很显然T[0]!=[1]，T向后移动一格。
按照这种算法如此进行，只要有与之相匹配的文本，最后都能完成匹配。

------可是面对情况a，按照kmp算法运行却是这样的（不懂也没关系，后面会详细说明。）
图4.

可见，根据kmp算法，在发生情况a时，模式串T向后移动了两个单位，同时i的位置不动，S[5]继续与t[2]进行匹配。

通过图三和图四的对比我们不难看出，使用kmp算法可以减少不必要的回溯，从而提高匹配效率。

---

2. kmp算法的工作原理是怎样的？

还是从情况a开始讲起，当发生情况a时，一个kmp算法使用的牛鼻哄哄的数组出现了：next数组。

A：next数组是啥啊？
Q：next数组的模式串T配套的数组，next数组中的数据决定着：当模式串T发生失配时，模式串T需要向后移动几个单位。

举个栗子：模式串T对应的next数组长这样：

图5.

如上图所示：当T[5]和S[5]不匹配（情况a）时，此时j=5，因为j-1对应next数组的值为2，所以此时j值由原来的5变为现在的2，相当于T串向后移动了3位。

可是移动完后我们发现，T[2]仍旧和S[5]不匹配，于是我们继续求组next数组，因为j-1对应next数组的值为0，所以此时j值由原来的2变为现在的0，相当于T串向后移动了2位。

此时，情况b出现了：

图6.


由图6我们可以看到，在情况b中，S[5]和T[0]是不匹配的，如果按照情况a的处理方式，会发生j-1<0，也就是说，我们根本找不到j-1对应的next数组的值。

但是我们发现，此时j的值等于0，我们大可不必查找next数组的值，只需要把T串向后移动一个单位即可。

图7.

到这儿T串总算是找到他的归属啦！

我们来小结一下吧：
1.当发生失配的时候：
情况a：只要j>0且发生失配，就一直执行j=next[j-1]的操作，循环如此。
情况b：当j=0，i++即可；
2.若当前字符匹配成功：
i++,j++即可

---

3. next数组是怎样创建的？

首先我们要了解什么是前缀和后缀：

Q：究竟是什么呀？
A：好吃的（大雾）

前缀：除了最后一个字符以外，一个字符串的全部从头部开始的子串组合
后缀：除了第一个字符以外，一个字符串的全部从尾部结束的子串组合

我们还是以T串（acdacc）为例，那么T串的前后缀分别是：

前缀：a，ac，acd，acda，acdac
后缀：c，cc，acc，dacc，cdacc

知道了前后缀，我们来了解公共前后缀：

Q：这又是什么呀？
A：好吃的（大雾）

公共前后缀应该顾名思义了吧，就是前缀和后缀一毛一样
就拿aabaa来说吧。
前缀：a，aa，aab，aaba
后缀：a，aa，baa，abaa
那么公共前后缀就有两个了，分别是“a”和，“aa”

我们可以看到，上面例子得到的公共前后缀的最大长度是2，所得的数值便是aabaa字符串中最后一个a对应的next数组的值了。

next值=公共前后缀的最大长度值

至此，如果看懂了，相信你一定有办法写一个创建next数组的函数了。
暴力遍历总该会吧。。。。。

需要注意的是，关于next数组的创建不同的人有不同的标准，比如有的人会将next[0]设置为0,而将得到的公共前后缀最大长度的值+1后写入next数组，这样做的目的是当读到next数组中的值为0时，跳出while循环（这段不懂也没关系）。当然这个想法和笔者的想法有些出入，但最终目的还是相同的，这里我们就不展开讨论了。

另外需要注意的是：以下讨论的next值都是公共前后缀的最大长度的值，而不是其+1的值。

---

进阶：递归法求next值：

还是拿aabaa来说吧。
当我们求最后一个a对应的next数组的时候，你是怎么求的呢？
还是遍历？这样的话如果T串很大的话岂不是很费劲？

A：那你有什么好方法嘛！
Q：我们就拿abcdabc abcdabc x（x为任意字符，具体字符如图所示）作例子来说吧！

图8.（情况c：当x为a时）

从图9（情况c：当x为a时）中我们可以看出：j=13时对应的next值是7，此时我们比较一下T[7]T[14]，发现他们相等！
故此时next[14]的值为7+1=8

规则1：如果当前位置j对应的next值为k，下一个位置j+1的字符与next[k]相等，那么next[j+1]=k+1

接下来我们看看另一种情况
图9.（情况d：当x为d时）

与 情况c（当x为a时）不同，此时x的字符，也就是T[14]的字符为d，此时我们比较一下T[7]T[14]，发现他们不相等！

那怎么办呢？重新遍历？
nonono！

读者可以观察一下这四个用红框框住的子串，有没有一点发现？
对！又是公共前后缀！

也就是说，在原来的前（后）缀里面，我们有可能还能找到一个最长公共前后缀！
而根据简单的等价代换（由n1=n2可得m1=m3，由m3=m4可得m1=m4）我们又找到了第二长的公共前后缀！

Q：那么怎么确定第二长的公共前后缀的长度呢？
A：len=next[next[j-1]]

你品，你品，你细品，细心的同学发现了，这就是一个递归。
而这个递归的结束条件是：最后一次next的值为0

---

4.代码实现

#include<stdio.h>
#include<string.h> 
#include<malloc.h> 

int getlocation(char* s1, char* s2, int* next)
{
	int len1, len2, i, j = 0;
	len1 = strlen(s1);
	len2 = strlen(s2);
	for (i = 0; i < len1; i++)
	{
		if (s1[i] == s2[j])
			j++;
		else
		{
			if (j > 0)
			{
				j = next[j - 1];
				--i;
			}
		}
		if (j == len2)
			return i - len2+2;
	}
}

int* getnext(char* s)
{
	int* next = NULL;
	int len, i;
	len = strlen(s);
	next = (int*)malloc(sizeof(int) * len);
	next[0] = 0;
	for (i = 1; i < len; i++)
	{
		int k = next[i - 1];
		if (k > 0)
		{
			if (s[i] == s[k])
				next[i] = 1 + k;
			else
			{
				while (k > 0)
				{
					k = next[k - 1];
					if (s[i] == s[k])
					{
						next[i] = 1 + k;
						break;
					}
				}
				if (k <= 0)
				{
					if (s[i] == s[0])
						next[i] = 1;
					else next[i] = 0;
				}
			}
		}
		else
		{
			if (s[i] == s[0])
				next[i] = 1;
			else next[i] = 0;
		}
	}
	return next;
}
int main()
{
	char s1[100], s2[20];
	int* next = NULL, location;
	printf("请分别输入源文本和待查询文本:\n");
	scanf_s("%s%s", s1,20, s2,20);
	//获取next数组 
	next = getnext(s2);
	// 获取文本相匹配的位置 
	location = getlocation(s1, s2, next);
	if (location)
		printf("你要查询的文本在第%d个字符处出现呢~\n", location);
	else printf("oops,好像找不到你要找的文本~\n");
	return 0;
}

---

笔记到这里就结束了，
各位看官如果有收获的话
不妨点个赞呗~~~~~~~~~~~~
from：一个还在为数据结构与算法挣扎的学生

部分内容参考：

1. 字符串匹配的kmp算法
2. KMP算法的前缀next数组最通俗的解释，如果看不懂我也没辙了