KMP是一种模式匹配算法,什么是模式匹配呢?就是,现有一个模式串(字符串),要在另一个主串中查找是否存在与模式串相等的子串(主串中任意连续字符组成的子序列)。
该算法的用处广泛,是正则表达式的基础。
例如,有一个字符串为"ababcabcacbab",我们想知道该字符串中有没有一个"abcac"的字符串,这就叫模式匹配。
普通模式匹配算法
经典的模式匹配,是让模式串的首字符从主串的首字符开始向右匹配。
匹配的规则是:
- 在主串的第i个位置,让pos=i,如果主串pos位置的字符等于模式串的第一个字符,则pos++,再与模式串的第二个字符进行匹配。
- 如果又相等则继续向下匹配,直到匹配到模式串的结尾,就说明主串中存在该模式串;如果不相等,则停止匹配,回到主串中,并i++。
- 然后再让pos=i,重复上述步骤,直到i到达主串结尾。
相应代码如下:
#include<stdio.h>
#include<string.h>
int main() {
char str[10000],pat[10000];
printf("please push the main string:\n");
scanf("%s",str);
printf("please push the pattern:\n");
scanf("%s",pat);
int lenS=strlen(str),lenP=strlen(pat);
//从主串第一位置开始向后匹配,直到结尾
for(int i=0;i<lenS;i++)
{
int pos=i,j=0;
while(j<lenP)
{
//如果主串pos位置与模式串的j位置相等,则都向后一位
if(pat[j]==str[pos])
{
j++;pos++;
}
//否则中断与模式串的匹配
else break;
}
//判断与模式串是否完全匹配,若是则输出i位置
if(pos-i==lenP) printf("\npattern start in %d",i);
}
}
经典模式匹配算法有一个缺陷就是,每次匹配失败后都要回溯到主串中i的位置。
例如:主串为“000000000000000000001”,模式串为“0001”时,匹配正确之前的每次匹配都要到模式串的最后一个字符,才会回溯,这其中浪费的时间不容小觑。
那有没有一种算法是不需要回溯的呢?
KMP模式匹配算法
KMP算法的好处就是不用回溯,而是以一种滑动的方式向下匹配模式串。
假设next数组
首先,我们假设对于模式串有一个next
数组。
该数组值的含义是:模式串第0
位后长度为next[j]
的字符串,与第j
位(从0开始,除0外)前长度为next[j]
的字符串相等,同时next[j]
值要竟可能大,但两个字符串又不能重合。特例:第0
位的next
值为-1
。
例如:abcac
模式串的next
数组值依次为[-1,0,0,0,1]
。模式串中第4
位(从0开始)字符c
的next
值为1,表明字符c
前长度为1的字符串即a
,与从0
位开始长度为1的字符串即a
相等。其余位,除0位外,next
值都为0。
再例如:0001
模式串的next
数组值依次为[-1,0,1,2]
。
利用next数组进行模式匹配
在普通模式匹配中,主串pos
位与模式串j
位不匹配时,主串回到i+1
位重新与模式串0
位进行匹配。
有了next
数组,我们便不用回溯到i+1
位重新匹配了。而是用主串pos
位与模式串next[j]
位进行匹配,若还是不匹配,则转到next[next[j]]
。直到next
的值等于-1
,模式串滑动到主串pos+1
位重新匹配。
其实,当不匹配求next[j]
值时,就是将模式串向下滑动的过程。其原理是因为next
数组的特殊性:
模式串第
0
位后长度为next[j]
的字符串,与第j
位(从0开始,除0外)前长度为next[j]
的字符串相等。
详细代码
#include<stdio.h>
#include<string.h>
#include<stdlib.h>
// 获取模式串的next数组函数:
// 将模式串既当作“主串”又当作模式串,同样按照KMP的算法进行匹配求next值。
void getNext(char *str,int *next,int n) {
next[0]=-1;
int i=1;
int j=-1;
while (i<n) {
// 如果j==-1,则“主串”i位置的next值为0。
// 前进到“主串”的下一位,并使模式串从头开始匹配
if (j == -1) {
next[i]=0;
i++;
j=0;
}
// 如果“主串”i位置的前一位和模式串j位置相同,则“主串”i位置的next值为j+1。
// 同时“主串”与模式串继续向下匹配。
else if (str[i-1] == str[j]) {
next[i]=j+1;
i++;
j++;
}
// 如果不匹配,则前进到模式串的next[j]位置
else j=next[j];
}
}
int main() {
char str[10000],pat[10000];
printf("please push the main string:\n");
scanf("%s",str);
printf("please push the pattern:\n");
scanf("%s",pat);
int lenS=strlen(str),lenP=strlen(pat);
// next数组:当模式串第j位与主串当前第i位不匹配时,将模式串向后滑动,
// 用模式串中第next[j]位再与主串中的第i位比较。
// 若next[j]==-1,则将模式串整体向后移动一位,与主串中第i+1位继续比较。
int *next=(int*)malloc(sizeof(int)*lenP);
getNext(pat, next, lenP);
int i=0,j=0; // i为主串中字符位置,j为模式串中字符位置
while (i<lenS) {
// 如果j==-1,则模式串整体向后移动一位,与主串中第i+1位比较
if (j == -1) {
i++;
j=0;
}
// 如果主串i位置与模式串j位置相等,则i、j都向下继续配对
else if (str[i] == pat[j]) {
i++;
j++;
if (j == lenP) {
printf("find pattern in %d\n", i-lenP);
j=0;
}
}
// 如果模式串j位置与主串i位置不匹配,则将模式串向后滑动,
// 用模式串的next[j]位置与主串i位置匹配
else j=next[j];
}
free(next);
return 0;
}
作者:dounine
链接:https://www.jianshu.com/p/83b30ea166d2
来源:简书