24考研数据结构复习（6）——串的模式匹配

本系列文章是笔者复习自用，参考教材为严蔚敏编著的《数据结构（C语言版）》，如能对大家有所帮助实属荣幸

本篇的内容主要是介绍串的模式匹配和KMP算法，并介绍KMP算法中next数组的手算方法。

6.1 串的相关概念

串是由零个或多个字符组成的有限序列，一般记为

其中，S是串名，单引号括起来的是串的值，字符的个数n称为串的长度，n=0的串被称为空串。

串中任意连续的字符组成的子序列称为该串的子串，某个字符在串中的序号称为该字符在串中的位置，子串在主串中的位置以子串的第一个字符在主串中的位置表示。

例如，串A=‘China BeiJing’ ，B='China'，C='BeiJing'，那么B和C都是A的子串，且B在A中的位置是1，C在A中的位置是7。

介绍完串的概念之后，我们就可以进入模式匹配算法的学习了，由于研究生考试对串的存储结构没有要求，所以我们不介绍串的定义和相关函数。

6.2 模式匹配算法

1.暴力算法

子串的定位操作通常称为串的模式匹配，求的是子串在主串的位置。在学习KMP之前，我们通常使用一种简单暴力算法，即从主串的开头开始遍历，寻找与模式串中第一个字符相匹配的字符，找到之后，再看主串中的下一个字符与模式串中下一个字符是否匹配，以此类推，若发现不匹配项，则返回主串上次开始匹配的字符的下一位重新寻找匹配，如下图所示：

注意，在这里我将 至少有一个字符相同 的情况算作一次匹配。

仔细观察之后会发现，有很多比较其实不必要做，比如在第一次匹配失败之后，完全可以从主串第三位开始比较；在第二次匹配失败之后，可以从主串第六位开始比较。按照这个思路，我们对上面的过程进行优化，得到下图:：

依照上图，我们可以发现节省了很多步骤，这就是KMP算法的思路。

2.KMP算法

在暴力匹配中，每趟匹配失败都是模式后移一位再从头开始比较。而某趟已匹配相等的字符序列是模式的某个前缀，这就相当于模式串在不断自我比较，导致低效率。因此，我们可以从分析模式本身的结构着手，如果已匹配相等的前缀序列中有某个后缀正好是模式的前缀，那么就可以将模式向后滑动到与这些相等字符对齐的位置，而主串指针无需回溯，并从该位置开始继续比较。

KMP的相关概念：

前缀：除了最后一个字符以外，字符串所有的头部子串。

后缀：除了第一个字符以外，字符串所有的尾部子串。

部分匹配值：字符串的前缀和后缀的最长相等前后缀长度。

以‘ababa’为例：

‘a’无前缀后缀，所以最大共同前后缀为0。

'ab'的前缀为{'a'}，后缀为{'b'}，所以最大共同前后缀为0。

'aba'的前缀为{‘a’,'ab'}，后缀为{'ba','a'}，有共同前后缀a，所以最大共同前后缀为1。

‘abab’的前缀为{'a','ab','aba'}，后缀为{'bab','ab','b'}，有共同前后缀ab，所以最大共同前后缀为2。

'ababa'的前缀为{'a','ab','aba','abab'}，后缀为{'baba','aba','ba','a'}，有共同前后缀aba，所以最大共同前后缀为3。

下面我们来谈谈最大共同前后缀的作用

这里我们以ABABAAABABAA为例：

如果第一位就不匹配，那就只能用子串第一位和主串的下一位进行比较，相当于用子串第0位与当当前位进行比较，取0。

如果第二位发生不匹配，取第二位之前的部分，‘A’，最大前后缀长度为0，则需要用子串第一位与主串当前位进行比较，取1。

如果第三位发生不匹配，取第三位之前的部分，‘AB’，最大前后缀长度为0，则需要用子串第一位与主串当前位进行比较，取1。

如果第四位发生不匹配，取第四位之前的部分，‘ABA’，最大前后缀长度为1，则需要用子串第二位与主串当前位进行比较，取2。

如果第五位发生不匹配，取第五位之前的部分，‘ABAB’，最大前后缀长度为2，则需要用子串第三位与主串当前位进行比较，取3。

如果第六位发生不匹配，取第六位之前的部分，‘ABABA’，最大前后缀长度为3，则需要用子串第四位与主串当前位进行比较，取4。

如果第七位发生不匹配，取第七位之前的部分，‘ABABAA’，最大前后缀长度为1，则需要用子串第二位与主串当前位进行比较，取2。

如果第八位发生不匹配，取第八位之前的部分，‘ABABAAA’，最大前后缀长度为1，则需要用子串第二位与主串当前位进行比较，取2。

如果第九位发生不匹配，取第九位之前的部分，‘ABABAAAB’，最大前后缀长度为2，则需要用子串第三位与主串当前位进行比较，取3。

如果第十位发生不匹配，取第十位之前的部分，‘ABABAAABA’，最大前后缀长度为3，则需要用子串第四位与主串当前位进行比较，取4。

如果第十一位发生不匹配，取第十一位之前的部分，‘ABABAAABAB’，最大前后缀长度为4，则需要用子串第二位与主串当前位进行比较，取5。

如果第十二位发生不匹配，取第十二位之前的部分，‘ABABAAABABA’，最大前后缀长度为5，则需要用子串第二位与主串当前位进行比较，取6。

最终得出该模式串的next数组为：[0,1,1,2,3,4,2,2,3,4,5,6]。

基于这种思想，有一种简便的计算方法，将数组每一位对应模式串每一位，首先第一位默认取0，对于第一位之后的位数，截取该位之前的字符串，找到其最大前后缀长度，加一后就是数组中的值，举个例子。

设有字符串P='aabaac'，求其next数组。

首先第一位取0，略过。

第二位，前面的字符串a，无最大前后缀，0+1=1。

第三位，前面的字符串aa，最大前后缀a，1+1=2。

第四位，前面的字符串aab，无最大前后缀，0+1=1。

第五位，前面的字符串aaba，最大前后缀a，1+1=2。

第六位，前面的字符串aabaa，最大前后缀aa，2+1=3。

所以，该next数组为[0,1,2,1,2,3]。