KMP算法



KMP算法

例如：A=abacabab  B=abab找到B在A中第一次出现的起始位置

KMP算法主要是分析了匹配串B的特征，从而在A中搜索时避免用传统暴力法，一一匹配。

如果用传统匹配法，A[3]!=B[3]，则应从A[1]开始再次一一比较

	0	1	2	3	4	5	6	7
	a	b	a	c	a	b	a	b
1	a	b	a	b
2		a
3			a	b
4				a
5					a	b	a	b

如果用KMP算法，则需要先计算B的next数组，next[i]表示由B[0]到B[i]组成的串的部分匹配值（即串的前缀和后缀的最长共有元素的长度。“前缀”:除了最后一个字符以外，一个字符串的全部头部组合；“后缀”：除了第一个字符以外，一个字符串的全部尾部组合)

	0	1	2	3
1	a	b	a	b
next	0	0	1	2

经分析可知next[i]是所匹配前缀的下一个字符的下标

每次匹配所需移动的次数即是：匹配的字符数-next[i]

 

	0	1	2	3	4	5	6	7
	a	b	a	c	a	b	a	b
1	a	b	a	b
2			a	b

那么在第二次匹配的时候就可以向后移动两步，而不用再一一比较，优化运算。尤其是在B串较长，重复串出现较多的情况下能很好的提高运算效率。

那么重点在于如何求next数组呢？

    void makeNext(string P,int len,vector<int> &next)

  {

      int q,k;   //q:模版字符串下标；k:最大前后缀长度

      next[0] = 0;//模版字符串的第一个字符的最大前后缀长度为0

      for (q = 1,k = 0; q < len; ++q)//for循环，从第二个字符开始，依次计算每一个字符对应的next值

      {

          while(k > 0 && P[q] != P[k])//递归的求出P[0]···P[q]的最大的相同的前后缀长度k

              //********************************************************************

  k = next[k-1];          //精髓,重点理解

      //********************************************************************

         if (P[q] == P[k])//如果相等，那么最大相同前后缀长度加1

         {

             k++;

         }

         next[q] = k;

     }

 }

 

程序中k=next[k-1]这一步比较难理解，前面已经说过next[i]是所匹配前缀的下一个字符的下标，而next[k-1]则表示B[0]到B[k-1]组成的串的所匹配前缀的下一个字符的下标

0	1	...	q-k	...	q-1	q	...
			0	...	k-1	k	...	q	...

假设B[0]到B[q-1]组成的串的前缀是B[0]到B[k-1],而B[0]到B[k-1]组成的串的前缀是B[0]到B[j-1],那么next[k-1]=j,如果B[j]与B[q]相等，那么B[0]到B[q]组成的串的前缀是B[0]到B[j],否则就需要继续寻找B[0]到B[j-1]中的前缀，依次类推。

0	1	....	q-k	...	...	q-1	q	...
			0	...	...	k-1	k	...	q	...
				0	...	j-1	j	...	k	...	q	...

同时在真正匹配的时候以A为基准，而尝试在B中找到与A[i]相等的字符，一旦B串找到了末尾，就认为匹配成功。

int findAppearance(string A, int lena, string B, int lenb) {

        // write code here

        vector<int> next(lenb,0);

        makeNext(B,lenb,next);

        int i,q;

        for(i=0,q=0;i<lena;i++)

        {

           while(q>0 && A[i]!=B[q]) q=next[q-1];

           if(A[i]==B[q]) q++;

           if(q==lenb) return i-lenb+1;

        }

        return -1;

    }