详解 KMP 算法 C 实现（包括 next[]下标为-1和0 & nextval[]的讲解）

作者：MiTu_-_

前言

  KMP 到底是怎么实现的呢？它的原理是什么呢？为什么网上的 KMP 算法五花八门，算法实现都各不相同呢？为什么 next[0] 有的为 0，有的又为 1呢？

  相信大家都被 KMP 算法困扰过，我也是其中的一个受害者。为此我花了几天的时间将KMP算法进行了深度的研究，在此把我的经验分享给大家，不从数学公式入手，直接从例子讲解，到代码讲解。话不多说，进入正题。

  注意，我这里所讲的字符串和 next[] 数组都是从下标为 0 开始存储的。和严版不同，后面我会提到严版的算法实现。

---

1. Brute-Force

  传统暴力匹配算法基本思想是：从主串 S 的第 i 个字符起，和模式串的第 j 个字符进行匹配，若相等，则 i、j 各指向下一个字符，再匹配；否则从主串的下一个字符 i + 1和模式串的第一个字符再重新比较。直至匹配所有模式串字符算匹配成功，否则匹配失败。下图为该算法实现的详图和具体算法实现。

	int Index(SString S, SString T)
	{
   //返回字串T在主串S中的位置，否则函数返回0
		int i, j;		//i->主串  j->模式串
		i = 0; j = 0;
		while (i < S.length && j < S.length)
		{
   
			if (S.data[i] == T.data[j])
			{
   
				++i; ++j;		//继续匹配后面的字符
			}
			else
			{
   
				i = i - j + 2;	//主串的指针后退，指向该匹配的下一位
				j = 0;			//模式串的指针指向第一个字符，从头继续和主串比较
			}
		}
		if (j >= T.length)		//若在主串中匹配出模式串的所有字符
			return i - T.length;
		else
			return 0;
	}

  这是最简单也是最容易想到的一个算法，但是效率太低。设主串长度为 n，模式串长度为 m，此算法的最坏时间复杂度为 O(m*n)。

---

2. KMP

  于是 K、M、P 三位看不下去了，便想出 KMP 算法。

  我们规定：当主串字符 i 和模式串字符 j 匹配成功时，你就相当于知道了 i 是什么字符；否则不知道。

  我们看下图，当第一趟匹配时，i=2、j=2 时，字符不匹配，这时无须将 i 后退到 1，j 后退到 0 重新匹配，因为你已经知道了 i=1（这个最大后缀字符串）的字符是 b 了，而（ 后缀字符串）b 是不可能和模式串的 a 进行匹配，因此进行重新匹配，即 i=2、j=0 进行匹配。

  当第二趟匹配时，i=6、j=4 时，字符不匹配，同样的道理，你已经知道了 i=3~5 （这个最大后缀字符串）的所有字符，而且（后缀字符串） i=5 的字符是 a，刚好是模式串所能匹配的最大前缀字符串 a 了，因此进行重新匹配，即 i=6 、j=1 进行匹配。

  大家注意我上面用了几个词：“前缀字符串”，“后缀字符串”，“最大前缀字符串”，“最大后缀字符串”。

  没错，KMP 算法就是让模式串指针 j 回溯到什么位置，而这关键就在于找最大相等前后缀字符串长度。

  KMP 算法的基本思想是：每一趟匹配过程中出现字符比较不等时，不需要回溯 i 指针，而只需回溯 j 指针，利用已经得到的 “部分匹配串” 将模式串向右 “滑动” 尽可能远的距离后，进行再匹配。

  而这个 “部分匹配串” 就是最大相等前后缀字符串。

---

（1）前缀、后缀是什么？

  可能有小伙伴还不知道前缀串和后缀串是什么，我就来讲解一下。

• 前缀字符串：包含首字符而不包含尾字符的字符串。
• 后缀字符串：包含尾字符而不包含首字符的字符串。

  例如字符串 ‘abaabcac’，那么

• 前缀字符串的所有集合：{a,ab,aba,abaa,abaab,abaabc,abaabca}
• 后缀字符串的所有集合：{c,ac,cac,bcac,abcac,aabcac,baabcac}

  相信这么讲解大家应该能明白什么是前缀字符串和后缀字符串了，那么 KMP 算法的关键为什么是找最大相等前后缀字符串呢？

  可以再回顾前面的例子，我们每次匹配不等时，都是让模式串的前缀字符串和主串从 i 的上次起始位置到 i-1的这部分的后缀字符串 让它们最大匹配相等，即最大相等前后缀字符串。

  设主串长度为 n，模式串长度为 m，此算法改进就在于无须再回溯 i，只需比较 n 次，直接将模式串与主串的最大前后缀字符串相匹配后，再比较下一位即可。且求 next [ ] 数组时间复杂度为 n，因此 KMP 的最坏时间复杂度为 O(m+n)。

手算 next[ ]：

  我们先来手算一下最大相等前后缀字符串长度。在此我就用 MES 表示最大相等前后缀字符串长度了

• ‘a’：因为它就没有前后缀字符串，MES 恒等于 0
• ‘ab’：前缀字符串集合 {a}，后缀字符串集合 {b}，MES=0
• ‘aba’：前缀字符串集合 {a,ab}，后缀字符串集合 {a,ba}，MES=1
• ‘abaa’：前缀字符串集合 {a,ab,aba}，后缀字符串集合 {a,aa,baa}，MES=4
• ‘abaab’：前缀字符串集合 {a,ab,aba,abaa}，后缀字符串集合 {b,ab,aab,baab}，MES=2
• ‘abaabc’：前缀字符串集合 {a, ab,aba,abaa,abaab}，后缀字符串集合 {c,bc,abc,aabc,baabc}，MES=0
• ‘abaabca’：前缀字符串集合 {a,ab,aba,abaa,abaabc}，后缀字符串集合 {a,ca,bca,abca,aabca,baabca}，MES=1
• ‘abaabcac’：前缀字符串集合 {a,ab,aba,abaa,abaabc,abaabbca}，后缀字符串集合 {c,ac,bca,abcac,aabcac,baabcac}，MES=0

  我们用一个 next[] 数组把这些最大相等前后缀字符串长度存储起来，如下图所示：

  当我们进行匹配时，就可以用这个数组直接让模式串的指针 j 进行回溯了，如下图所示：

  （1）第一趟：当 i=1，j=1 不匹配时，看 i=1~1 的 MES，即 next[0] = 0，因此让 j 回溯到 0
  （2）第二趟：当 i=1，j=0 不匹配时，由于还没和模式串进行匹配，无法让 j 再往前回溯了，只能让主串向后移动一位
  （3）第三趟：当 i=7，j=5 不匹配时，看 i=3~7 的MES，即 next[4] = 2，因此让 j 回溯到 2

  大家可以发现，j 和 next[ ] 数组有着某种关联，对了：

• ① next[j - 1] 里存储着主串从 i 的上次起始位置到 i-1的这部分的最大相等前后缀长度
• ② 即 j 要回溯的位置

  我们要注意，当模式串指针 > 0 时，等主串和模式串不匹配时，j 要回溯的位置是它前面一位的 next 值，即 next[j - 1]

---

（2）KMP_pre（0）

  明白了上面两层含义，那么你对 KMP 算法就算了解的差不多了，就可以看下面的代码了。没懂得也可以自己思考思考，或者看看下面的代码，也可以对你前面的知识进行一个反馈，让你豁然开朗。

KMP_pre 算法

typedef struct {
   
	char data[MAXSIZE];
	int length;
} SString;