代码随想录字符串部分KMP学习总结

乔松404

已于 2022-11-07 11:05:38 修改

阅读量175

点赞数 1

文章标签：算法数据结构 c++

于 2022-11-07 10:19:43 首次发布

本文链接：https://blog.csdn.net/Megan_AD/article/details/127725678

版权

代码随想录字符串部分KMP学习总结

代码随想录链接
leetcode28
- KMP主串遍历过程
- next数组计算
leetcode459
- KMP用于判断字符串是否由子串多次（次数大于1）构成

代码随想录链接

字符串->实现strStr()
字符串->重复的子字符串

leetcode28

力扣链接：https://leetcode.cn/problems/find-the-index-of-the-first-occurrence-in-a-string/

KMP的目的：只对主串遍历一次，充分利用遍历过程中获得的信息。

一般来说，如果利用暴力匹配的方法，那么主串中的某些元素就要被多次遍历，浪费了之前遍历过程中获取的信息。假如模式串很长，并且常常是在模式串最后的几个元素匹配失败时，那么浪费的信息就更多了。极端地，如果模式串为aaaaaaaaab，而主串是aaaaa…aaaaaaa，那么暴力匹配需要遍历的元素为 (n-m)*m+m 个；而KMP只需要遍历 O(m+n) 个，其中m表示next数组的计算过程，n表示主串的遍历过程。

KMP具体怎么利用之前遍历过程中获取到的信息呢？利用前缀表，或者说next数组。前缀表告诉程序，当匹配失败时，模式串指针应该怎么移动来避免主串指针回头重新遍历，保证它可以一直往前走。

下面讨论两种极端情况。

情况一（匹配失败时前一个字符的前缀表数据显示为0）：

在这里插入图片描述

读图提示：上面的串是主串，下面的串是模式串，模式串在字符下面的数字是前缀表或者说是next数组。蓝色填充块表示主串指针的位置，橙色填充块表示模式串指针的位置。

上面图2中，匹配到模式串的第4个字母时出现错误，根据模式串前一个字母在前缀表中的值，模式串指针应该指向模式串第1个位置（下标为0）。尽管需要对模式串从头开始匹配，看起来好像并没有节省什么时间，但是实际上主串已经认识到它不用再回头从b或者c开始对模式串的第一个元素a进行比对，因为它知道在主串指针之前已经不会再出现一个a。所以说next数组记录了遍历信息。

情况二（匹配失败时前一个字符的前缀表数据显示为一个较大的数）：

在这里插入图片描述

上面图1中，当匹配失败时前一个字符的前缀表数据显示为一个较大的数时，模式串指针会以较小的步长跳回前面。这时模式串继续与主串后续的元素进行对比，被匹配成功的概率比较大，也是充分利用了前面遍历过程中获得的信息。

KMP主串遍历过程

根据上面的图，可以得出主串遍历的代码：

int strStr(string mainString, string patternString) {
    vector<int>next(patternString.size(), 0);
    getNext(patternString, next);  //下面会介绍这个函数怎么写

    int patternIndex = 0;
    for (int mainIndex = 0; mainIndex < mainString.size(); mainIndex++) {
        if (mainString[mainIndex] == patternString[patternIndex]) {
            if (mainIndex == mainString.size() - 1) {
                return mainIndex - patternIndex;
            }
            patternIndex++;
        }
        else if (patternIndex) {
            patternIndex = next[patternIndex - 1];
            mainIndex--;
        }
    }
    return -1;
}

next数组计算

这里的next数组就是指匹配不成功时模式串指针指向的位置，是随想录里的第二种模式。

如果把next数组的计算过程当成模式串与其本身匹配的过程，next数组的计算过程其实跟主串的遍历过程差不多，见下面的例子：

在这里插入图片描述

读图提示：上下两个串是同一个串，都是模式串。但是在模式串匹配其本身的过程中，上面的串相当于新主串，下面的串相当于新模式串。在字符下面的数字是前缀表或者说是next数组。蓝色填充块表示新主串指针的位置，橙色填充块表示新模式串指针的位置。

可以看到next数组的计算过程（模式串自我匹配过程）其实跟主串的遍历过程差不多，所以两者的代码是非常相似的。只是计算next数组时，需要在每一次遍历之后给当前元素对应的next数组赋值。

用slow指针和fast指针分别标记这个过程中的新模式串和新主串。

void getNext(string& patternString, vector<int>& next) {
    int slow = 0;
    next[0] = 0;
    for (int fast = 1; fast < patternString.size(); fast++) {
        if (patternString[fast] == patternString[slow]) {
            slow++;
            next[fast] = slow;  //给next数组赋值
        }
        else if (slow) {
            slow = next[slow - 1];
            fast--;           //不用给next数组赋值，因为fast需要呆在原地直到slow==0或者
                              //patternString[fast] == patternString[slow]
        }
        else {
            next[fast] = slow;  //给next数组赋值
        }
    }
}

leetcode459

力扣链接：https://leetcode.cn/problems/repeated-substring-pattern/

KMP用于判断字符串是否由子串多次（次数大于1）构成

实际上是利用next数组判断字符串是否由子串多次（次数大于1）重复构成。

首先，如果字符串是由子串重复构成，那么[0,size-next[size-1])之间的字符构成的字符串一定就是子串。根据下图就能很容易理解。（注意：下面这个next跟我的next差1）

在这里插入图片描述
（注：图片来自代码随想录）

其次，如果size%(size-next[size-1])= =0&&next[size-1]，那么说明原字符串一定是由子串重复构成，返回true。这就有点难以理解了，举一两个例子确实能发现例子是具有这样的特征，但是如果证明返回false的情况就没有这样的现象呢？举一些抽象化的数据你就能理解了。需要注意的是，如果中间有一个字符毁掉了前面字符串的重复性，那么next数组会从0开始重新计算。

如果s=“abcdefghijklmn”，这样的数据完全没有重复，那么next[size-1]=0；或者如果s=“abcabcabcabd”，那么也有next[size-1]=0。最后都返回false。
如果s=“abcdefghijklmnabcdefghi”，这样的数据有部分重复，那么next[size-1]!=0，但是size-next[size-1]>size/2，那么size就不可能把size-next[size-1]整除，最后会返回false。
如果是类似s="abc abc abd abc abc abc abc"这样的输入，那么第5个c对应的next数组数值会变成0，那么就是第一种情况了，最后会返回false。
还有其他的可能性……你尽管想，不对算我输。

参考上图，你会发现这个公式是很有道理的，所以放心用吧。