【字符串匹配】KMP算法

目录

前言

一、匹配逻辑

失配情况

1.前面匹配过的位置不存在重复串

2.前面匹配过的位置存在重复串

二、代码实现

---

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。