KMP算法要点

KMP算法用于解决字符串的模式匹配问题。假设有串s=s[0...n-1]和串t=t[0...m-1]，所谓模式匹配就是要在串s中找到一个与串t相等的子串。通常将串s称为目标串，将串t称为模式串。

较为简单的匹配算法为Brute-Force算法，简称BF算法。其基本思路为：从目标串s的第一个字符开始和模式串t中的第一个字符进行比较，若相等，则继续逐个比较后续字符；否则，从目标串s的第2个字符开始重新与模式串t的第一个字符进行比较，依此类推。

KMP算法是D.E.Knuth，J.H.Morris和V.R.Pratt共同提出的，该算法较BF算法有较大改进，主要是消除了目标串指针的回溯，从而使算法效率得到提高。

1） 回溯的消除及真子串

考虑BF算法，假设当前已经进行到第i-j+1轮匹配，即从目标串的s[i-j]开始和模式串的第一个字符t[0]进行比较，且满足式(1)。由式(1)可知该轮匹配失败，应该开始第i-j+2轮匹配，即从目标串的s[i-j+1]开始和模式串的第一个字符进行比较，如下图所示。

第i-j+2轮要匹配成功，则至少应该满足式(2)。由式(1)、式(2)可得式(3)。如果满足式(3)，则该轮匹配可以继续，下一步比较s[i]与t[j-1]。否则，该轮匹配失败，应该开始第i-j+3轮匹配。同理，只有在满足式(4)，即式(5)成立的情况下，第i-j+3轮匹配才可以继续，且下一步比较s[i]与t[j-2]，否则该轮匹配失败。

(3)(5)两式具有相似性，将类似的式子定义为真子串。由以上分析可知，当第i-j+1轮匹配满足式(1)时，如果模式子串t[0...j-1]中不存在真子串，则后续的j-1轮匹配会全部失败，此时无需回溯，可直接开始第i+1轮匹配，即从主串的s[i]开始和模式串的第一个字符进行比较。如果存在一个或者多个真子串，则说明在后续的j-1轮匹配中有一轮或者多轮可能匹配成功。这些可能成功的匹配轮次也无需完全回溯，只需从s[i]与t[k]开始比较。如果存在有多个真子串，k值最大的匹配轮次最先回溯到。

2） 对模式串的预处理

上一部分通过分析BF算法的匹配过程，说明回溯并非必要，而且即使是回溯，也不需完全回溯。回溯是否必要，以及具体回溯到哪一步，与模式串中真子串的存在情况密切相关。在KMP算法中，通过对模式串t[0...m-1]进行预处理，将其中真子串的存在情况映射到数组next中：next[j]= 模式子串t[0...j-1]的最大真子串所对应的k值。

next[j]的具体求法分析如下：

假设满足(6)(7)两式，则可以推出(8)式。next[j]的值由图中的伪代码给出，实际上是一个比较和迭代交替进行的过程。

3） KMP算法匹配过程

当第i-j+1轮匹配满足式(1)时，如果next[j]为0，说明模式子串t[0...j-1]不存在真子串，直接开始第i+1轮匹配，比较s[i]与t[next[j]]；如果next[j]大于0，说明模式子串 存在真子串，且最大真子串对应的k值为next[j]，下一步比较s[i]与t[next[j]]；如果s[i]与t[next[j]]不相等，则比较s[i]与t[next[next[j]]]，依此类推。如果next[j]为-1，说明s[i]与t[0]不相等，即第i+1轮匹配失败，开始第i+2轮匹配，比较s[i+1]与t[0]。

由此可知，模式串的预处理和KMP算法匹配这两个过程的本质是一样的。

4） KMP算法C代码

预定义

#define MaxSize 50 
typedef
 struct
 
{ 
    char
 ch[MaxSize]; 
    int
 len;            /*串长*/
 
}SqString; 

 

求next数组

void
 GetNext(SqString t, int
 next[]) 
{ 
    int
 j, k; 
    j=0; k=-1; next[0]=-1; 
    while
(j<t.len-1) 
    { 
        if
(k==-1 || t.ch[j]==t.ch[k]) 
        { 
            j++; k++; 
            next[j]=k; 
        } 
        else
    k=next[k]; 
    } 
} 

 

匹配

int
 KMPIndex(SqString s, SqString t) 
{ 
    int
 next[MaxSize], i=0, j=0, v; 
    GetNext(t, next); 
    while
(i<s.len && j<t.len) 
    { 
        if
 (j==-1 || s.ch[i]==t.ch[j]) 
        { 
            i++; j++; 
        } 
        else
    j=next[j]; 
    } 
    if
 (j>=t.len) 
        v=i-t.len; 
    else
     v=-1; 
    return
 v; 
}