目录
前言
KMP算法是一种改进的字符串匹配算法,由D.E.Knuth,J.H.Morris和V.R.Pratt提出的,因此人们称它为克努特—莫里斯—普拉特操作(简称KMP算法)。KMP算法的核心是利用匹配失败后的信息,尽量减少模式串与主串的匹配次数以达到快速匹配的目的。具体实现就是通过一个next()函数实现,函数本身包含了模式串的局部匹配信息。
kmp算法为bf算法的优化,其优化了对主串的遍历次数,减少了子串与主串的匹配次数。
KMP算法的时间复杂度O(m+n)。
一、匹配逻辑
kmp算法的核心思想:主串的下标指向绝不回退!
失配情况
首先,我们需要知道,在字符串发生失配时会出现两种情况,
1.前面匹配过的位置不存在重复串
即如下图的情况:
那么我们当然可以知道,主串以1,2为下标起始,当然不能完成匹配,那我们就不需要使主串进行回退,只让子串回退即可。
2.前面匹配过的位置存在重复串
即如下图的情况:
我们知道:“abcab”的前缀真子串:“a” “ab” “abc” “abca”
“abcab”的后缀真子串:“b” “ab” “cab” “bcab”
所以里面存在最大的相同真子串为:"ab"
那么回到上图中,橙色线标识子串相等,蓝色线标识子串相等,那么红色线标识子串也相等。
那我们就可以直接将子串对其到相应的位置,因为中间的比较本来也没有意义,直接匹配就可以减少时间浪费 ,且可以保证红线部分完全一致,我们已经证明过。
那么我们就可以直接进行第三个字符的匹配,并且主串下标指示不用回退,只有子串下标回退到2号下标。
继续分析这张图:
我们会发现,红线部分极为重要,红线存在,那么主串下标指示就不用回退,并且我们发现,只要橙线确定了,红线也确定了,而橙线只与子串相关。
这根红线我们称之为部分匹配表(PMT)
这个部分匹配表只与子串有关:
如图所示,因为子串会在任何一个位置发生失配,所以应该在每一个位置上都有一个回退位置,那么每一个位置的回退位置我们利用一个数组保存,而记录下来的数组就是我们上面的next数组(PMT);
简单的方法寻找next数组的值,找两个相同的最大真子串,一个顶头,一个顶尾。
二、代码实现
先对上述逻辑进行总结:
使用i, j两个数组下标指示器,方便下述讲解和代码实现。
i 不用回退的原因:
1.如果失配前的字符互不相等,则i不用回退.
2.如果失配前的字符存在相等,则i也不用回退,而是让j回退至合适的位置,相当于将主串和子串下一次达到部分匹配的路提前走完。
#include <stdio.h>
#include <assert.h>
#include <string.h>
#include <stdlib.h>
//next数组的获取,只跟子串有关
int* Get_next(const char* sub)
{
int len_sub = strlen(sub);
int* next = (int*)malloc(len_sub * sizeof(int));
assert(next != NULL);
next[0] = -1;
next[1] = 0;
//通过已知推未知
int j = 1;//j代表已知位置
int k = next[1];//k保存一会next数组中的值
while (j + 1 < len_sub)//j+1不能越界
{
if (k == -1 || sub[j] == sub[k])//要么相等将k++的值给下一个位置,要么不相等,k一直回退,直到回退到-1,触底
{
k++;
j++;
next[j] = k;
//next[++j] = ++k;
}
else
{
k = next[k];
}
}
return next;
}
int KMP_Search(const char* str, const char* sub, int pos)//pos代表主串从pos这个位置开始向后找
{
assert(str != NULL && sub != NULL);
if (pos < 0 || pos >= strlen(str))
{
return -1;
}
int len_str = strlen(str);//主串长度信息
int len_sub = strlen(sub);//子串长度信息
int i = pos;//主串的开始位置
int j = 0;//子串你的开始位置
int* next = Get_next(sub); //部分匹配表获取成功
assert(next != NULL);
while (i < len_str && j < len_sub)
{
if ((j == -1) || str[i] == sub[j])//如果相等,则同时向后走一步,i++,j++
{
i++;
j++;
}
else//如果不相等,KMP规定,则j回退到一个合适的位置,而i则不用回退
{
//i = i-j+1; //易错点,i和j的回退顺序不要反,KMP规定,i不用回退
//j = 0;
j = next[j];//注意,这里j回退到一个合适的位置,这个j有可能为-1(第一个字符就匹配失败了)
}
}
//while循环退出,代表着i要么走出去了,要么j走出去了
//这里只需要判断j,如果循环退出了,j也走出sub的范围了,则代表找到了,如果j没有走出范围,代表没找到
if (j >= len_sub)//如果j走出sub的范围,则代表找到了,返回这一趟成功匹配的开始位置 i-j
{
free(next);
return i - j;
}
else
{
free(next);
return -1;
}
}
总结
以上就是今天要讲的内容,本文介绍了kmp算法的匹配逻辑和代码实现方法,kmp是一个高效的字符串匹配算法,它对bf算法进行了极大的优化,使匹配速度的大大增加。