KMP算法详解<一>

Kmp算法

Kmp算法相比BF算法的优化之处在于当s[i] != p[j]时，i不回退，只有j回退。

 

1.下面我们来论证一下i为什么不用回退

 

如上图，在匹配到i  = 7时失配，按照BF算法的思想，i’要回退到i’+1的位置，j要回退到j’+1的位置。这样的时间复杂度为O(m*n)。

但由以上例子不难发现，其实i’并不需要回退。这是为什么呢？

因为回退后再比较时，显然s3!=p0, s4!=p1.......s6!=p3。既然这样，就没有必要回退i。

有人会想，那要是一样呢？显然，都一样了那还比较干嘛，i当然也不需要回退。这样是不是感觉有点耍流氓？没办法，人家就是这么流氓。

2.我们已经知道i不需要回退，那么j呢？j要回退到哪里呢？相信聪明的你一定发现了，j是不需要回退到0的，因为s5 =p0, s6 =p1, 那么j只需要回退到下标为2的地方，接着比较久可以了。这时，你又该问了，我们人的肉眼可以看到j要回退到2，可是计算机要怎么知道呢？这个问题问的好，我将在下面解答你的疑问。

3.现在我们假设失配后，j要回退的位置为k, 猜想一下，k的值都和谁有关系呢？

下面跟我一起来见证奇迹：

聪明的你一定看出x等于i-k了，所以上式等于：

P0………………Pk-1  =  Si-k………………Si-1        ( 1 )

 由( 1 )可推出：

    P0………………Pj-1  =  Si-j………………Si-1         ( 2 )

缩小范围，得：

Px………………Pj-1  =  Si-k………………Si-1

x = j-k

Pj-k………………Pj-1  =  Si-k………………Si-1       ( 3 )

由( 1 )( 3 )得：

P0………………Pk-1  =  Pj-k………………Pj-1        ( 4 )

由( 4 )可以清楚地看到，k的位置与S串(主串)无关，只与P串(子串)有关。是不是很神奇呢？

4.现在要引入一个更神奇的概念，一个神奇的next数组，用来保存子串里在任何位置出现失配时，j要回退到的位置，即k值。我们称为next[k]数组。

 

我们假设已经知道next数组的值，那么我们已经可以初步完成kmp算法了。代码如下：

int KMP(char *s,char *p,int pos)

{

int i = pos;

int j = 0;

int *next = (int *)malloc(strlen(p)*sizeof(int));

assert(next != NULL);

GetNext(p,next);

while(s[i]!='\0' && p[j]!='\0')

{

if(s[i]==p[j])

{

i++;

j++;

}

       else if( j == 0)

       {

           i++;

       }

else

{

j = next[j];     // i不回退，j回退到k

}

}

 

free(next);

 

if(p[j] == '\0')

{

return i-j;

}

else

{

return -1;

}

}

5.重中之重来了，如何求next数组呢？

 

你可以很自然地想到next[0] 和next[1] 的值，因为当子串第0个位置失配时，j仍然等于0，i++，而当子串第1个位置失配时，j要回退到第0个位置，i不变。So，，，，next[0] = 0, next[1] = 0。

接下来看看其他位置失配时j要回退的位置。

 

    现在我们已知i = 0和i = 1时的next值，现在想要求i=2时的next值，那么我们可以把p[2]看作新增加的数，现在我们回过头想想k的含义，k是指子串失配时j要回退的的位置，并且我们已经知道此时P0………………Pk-1  =  Pj-k………………Pj-1，next[i] = k，那么倘若pk = pj，则我们可以推出next[++i]=++k。

那如果pk不等于pj 呢？此时可以看作子串p0~~~pk与主串pi-k~~~pi匹配时在pk的位置失配，那么子串p0~~~pk中的下标k是不是要回退？（就像主串S串和子串P串匹配时失配后，只有子串中的j回退一样）这时我们的k要回退到哪里呢？

也许聪明的你已经发现了，我们在前面已经计算过next数组中从0~~~i的位置失配时的k值了，这里面显然包括在位置k时的next值，即next[k]，所以当pk 不等于pi时，k要回退，即k=next[k]。

在这里我们还要讨论一种特殊情况，即子串p0~~~pk与主串pi-k~~~pi匹配时在pk的位置失配，子串p0~~~pk中的下标k回退到0时的情况，如果此时还让k=next[0]=0，那么继续匹配，仍然不相等，仍然要回退到k=0，再继续匹配，又不相等，又回退到0，~~~~~~哎呀累死我了，你发现了么？死循环了！！！

所以为了解决这种情况，我们要写一句else if (k == 0) { next[++i]=0; }，这样i++了，而且也求得了next[i+1]的值，不会再出现死循环了。

void GetNext(const char*p,int *next)

{

int len = strlen(p);

next[0] = -1;

next[1] = 0;

int i = 1;

int k = 0;

while(i<len-1)

{

if(p[i]==p[k])

{

next[++i] = ++k;

}

else if(k == 0)

{

next[++i] = 0;

}

else

{

k = next[k];

}

}

}