KMP算法详解

普通的字符串匹配算法思想是：

从主串的第一个字符开始（假设索引为i）和模式串的第一个字符（假设索引为j）比较，如果相等则继续比较后面的字符，如果不相等则回溯主串到中的开始匹配的字符的下一个位置，再重新开始比较。

KMP算法：

KMP算法的思想是不用回溯主串中的索引，利用“部分匹配”的结果移动模式串。什么是“部分匹配”？在介绍部分匹配之前先介绍两个概念：

前缀（prefixes）：前缀就是除了最后一个字符之外的前面的一个或者多个元素的组合：

例如：（Snape）的前缀为：{"S", "Sn","Sna","Snap"}

后缀（suffixes）：后缀就是除了第一个字符之外的后面的一个或者多个元素的组合：

例如：（Snape）的后缀为：{"nape", "ape", "pe", "e"}

注意：前缀和后缀是一个集合。

而“部分匹配”的含义为：在前缀和后缀中最长的相等（两个集合共有的某个元素的意思）的元素（这里元素是字符串：例如前缀中的元素："Snap"）
下面引用下面一篇博客的例子： http://kb.cnblogs.com/page/176818/
主串为” BBC ABCDAB ABCDABCDABDE“，模式串为"ABCDABD"
　1.

　　首先，字符串"BBC ABCDAB ABCDABCDABDE"的第一个字符与搜索词"ABCDABD"的第一个字符，进行比较。因为B与A不匹配，所以搜索词后移一位。
　　2.

　　因为B与A不匹配，搜索词再往后移。

　　3.

　　就这样，直到字符串有一个字符，与搜索词的第一个字符相同为止。

　　4.

　　接着比较字符串和搜索词的下一个字符，还是相同。

　　5.

　　直到字符串有一个字符，与搜索词对应的字符不相同为止。

　　6.

　　这时，最自然的反应是，将搜索词整个后移一位，再从头逐个比较。这样做虽然可行，但是效率很差，因为你要把"搜索位置"移到已经比较过的位置，重比一遍。

　　7.

　　一个基本事实是，当空格与D不匹配时，你其实知道前面六个字符是"ABCDAB"。KMP算法的想法是，设法利用这个已知信息，不要把"搜索位置"移回已经比较过的位置，继续把它向后移，这样就提高了效率。

　　8.

　　怎么做到这一点呢？可以针对搜索词，算出一张《部分匹配表》（Partial Match Table）。这张表是如何产生的，后面再介绍，这里只要会用就可以了。

　　9.

已知空格与D不匹配时，前面六个字符"ABCDAB"是匹配的。查表可知，最后一个匹配字符B对应的"部分匹配值"为2，因此按照下面的公式算出向后移动的位数：

　　移动位数 = 已匹配的字符数 - 对应的部分匹配值

　　因为 6 - 2 等于4，所以将搜索词向后移动4位。

　　10.

因为空格与Ｃ不匹配，搜索词还要继续往后移。这时，已匹配的字符数为2（"AB"），对应的"部分匹配值"为0。所以，移动位数 = 2 - 0，结果为 2，于是将搜索词向后移2位。

　　11.

　　因为空格与A不匹配，继续后移一位。

　　12.

　　逐位比较，直到发现C与D不匹配。于是，移动位数 = 6 - 2，继续将搜索词向后移动4位。

　　13.

　　逐位比较，直到搜索词的最后一位，发现完全匹配，于是搜索完成。如果还要继续搜索（即找出全部匹配），移动位数 = 7 - 0，再将搜索词向后移动7位，这里就不再重复了。

　　14.

　　下面介绍《部分匹配表》是如何产生的。

　　首先，要了解两个概念："前缀"和"后缀"。 "前缀"指除了最后一个字符以外，一个字符串的全部头部组合；"后缀"指除了第一个字符以外，一个字符串的全部尾部组合。

　　15.

"部分匹配值"就是"前缀"和"后缀"的最长的共有元素的长度。以"ABCDABD"为例，

　　－　"A"的前缀和后缀都为空集，共有元素的长度为0；

　　－　"AB"的前缀为[A]，后缀为[B]，共有元素的长度为0；

　　－　"ABC"的前缀为[A, AB]，后缀为[BC, C]，共有元素的长度0；

　　－　"ABCD"的前缀为[A, AB, ABC]，后缀为[BCD, CD, D]，共有元素的长度为0；

　　－　"ABCDA"的前缀为[A, AB, ABC, ABCD]，后缀为[BCDA, CDA, DA, A]，共有元素为"A"，长度为1；

　　－　"ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA]，后缀为[BCDAB, CDAB, DAB, AB, B]，共有元素为"AB"，长度为2；

　　－　"ABCDABD"的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB]，后缀为[BCDABD, CDABD, DABD, ABD, BD, D]，共有元素的长度为0。

　　16.

　　"部分匹配"的实质是，有时候，字符串头部和尾部会有重复。比如，"ABCDAB"之中有两个"AB"，那么它的"部分匹配值"就是2（"AB"的长度）。搜索词移动的时候，第一个"AB"向后移动4位（字符串长度-部分匹配值），就可以来到第二个"AB"的位置。

-------------------------------------------------------------分割线------------------------------------------------------------------

接下来的问题就是怎么获得部分匹配值了。

在获取模式串的部分匹配值的时候，我们可以把模式串同时看成主串(后面中的作为主串的模式串)和模式串（后面中的作为模式串的模模式串）。

假设部分匹配值存在一个名为mod的数组中。

mod[i] = j的意思就是模式串中索引为i（从0开始）的部分匹配值为j

从部分匹配值的定义可以知道，mod[0] = 0;

然后可以根据递推的方法的得到其他索引位置的部分匹配值。

现在假设部分匹配中，作为主串的模式穿的索引位置为i，作为模式串的索引为j。

当p[i] == p[j]时，则表明在模式串中的”p[0]....p[j]” 是 "p[0]...p[i]"中的最长的相等的前缀和后缀中的元素。则可以得出当前位置的部分匹配值为：mod[i] = j；

当p[i] != p[j]时

1）我们首先要判断（j == 0）如果等于0的话就代表作为模式串的模式穿的第一个字符与作为主串的模式串的第i个字符不相等，此时就应该让i+1个字符和p[0]（作为模式串的第一个字符）比较，并且让mod[0] = 0；（因为这种情况下部分匹配值必然为0） 。如果不等于则转2）

2）其他情况下的话，我们就要移动作为模式串的字符串，移动的位置为： 移动位数 = 已匹配的字符数 - 对应的部分匹配值。其实就是回溯作为模式串的模式串的索引到上一个匹配的地方的对应的部分匹配值。换个想法，移动作为模式串的模式串就是回溯作为模式串的模式串的索引，那么回溯到什么地方呢？这就要看“p[0]...p[i-1]”（注意到：当前的比较的位置是p[i]，也就是说，"p[0]...p[i]"已经成功匹配了）中有多少个头部和尾部重复的字符了, 假设有两个的话,那么"p[i -2]p[i - 1]"就不用再分别和"p[0]p[1]"比较了，我们就可以直接比较p[i]和p[2]了，而这个2恰好就是我们得到的p[i - 1]的部分匹配值。这样一来，我们就可以得出这个情况下的j应该回溯的位置：j = mod[j -1]；

这样一来，递推就完成了，想必接下来怎么和主串匹配也不用多说了吧，直接上代码：

#include <iostream>
#include <string.h>
using namespace std;
int KMP(const char *s, const char *p)
{
 const unsigned int s_len = strlen(s);
 const unsigned int p_len = strlen(p);
 unsigned int *mod = new unsigned int[p_len + 1];
 mod[0] = 0;
 unsigned int i = 0;
 unsigned int j = 0;
 for(i = 1, j = 0; i < p_len;)
 {
  if(p[i] == p[j])
  {
   ++j;
   mod[i] = j;
   ++i;
  }
  else if(j == 0 && p[i] != p[j])
  {
   mod[i] = j;
   ++i;
  }
  else
  {
   j = mod[j - 1];
  }
 }
//打印部分匹配值
 for(i = 0; i < p_len; ++i)
 {
  cout << mod[i] << " ";
 }
 cout << endl;
//在主串中搜索模式串
 for(i = 0, j = 0; i < s_len; )
 {
  if(j >= p_len)
  {
   return i - p_len;
  }
  else if(s[i] == p[j])
  {
   ++i;
   ++j;
  }
  else if(j == 0 && s[i] != p[j])
  {
   ++i;
  }
  else
  {
   j = mod[j  - 1];
  }
 }
delete mod;
 return -1;
}
int main()
{
 char s[100] = "BBC ABCDAB ABCDABCDABDE";
 char p[10] = "ABCDABD";
 int index = 0;
 index = KMP(s, p);
 cout << index << endl;
 system("PAUSE");
 return 0;
}