java实现kmp算法

简介引言和问题引入

kmp 算法：Knuth-Morris-Pratt 字符串查找算法，常用于在一个文本串S内查找一个模式串P 的出现位置，这个算法由Donald Knuth、Vaughan Pratt、James H. Morris三人于1977年联合发表，故取这3人的姓氏命名此算法。下文中统一称去查找的字符串为文本串，被查找的字符串为模式串。

kmp算法是一个比较难比较抽象的算法，网上对它的解释说明也很多，但是关于怎么找到next前缀表，为什么要用这个前缀表，为什么前缀表有用，纯理论即使是配了图加以说明，可能还是令人不是很理解。现在我想用我看见这个kmp算法代码的时候，想的思路分析一下，也许会有代入感，更好理解。

由于本人水平有限，仅阐述一下自己的一些想法，难免表达有误或者论述不严谨，欢迎纠错，感谢您的阅读。

常规的解决方案

public int strStr(String haystack, String needle) {
        int m = needle.length();
        // 当 needle 是空字符串时我们应当返回 0
        if (m == 0) {
            return 0;
        }
        int n = haystack.length();
        if (n < m) {
            return -1;
        }
        int i = 0;
        int j = 0;
        while (i < n - m + 1) {
            // 找到首字母相等
            while (i < n && haystack.charAt(i) != needle.charAt(j)) {
                i++;
            }
            if (i == n) {// 没有首字母相等的
                return -1;
            }
            // 遍历后续字符，判断是否相等
            i++;
            j++; //i控制长字符串，j控制要匹配的字符串，若未匹配成功，则i，j分别回到开始匹配的地方
            while (i < n && j < m && haystack.charAt(i) == needle.charAt(j)) {
                i++;
                j++;
            }
            if (j == m) {// 找到
                return i - j;
            } else {// 未找到
                i -= j - 1;
                j = 0;
            }
        }
        return -1;
    }

在常规的思路中，i在文本串中检索，j在模式串中检索，当i，j对应位置的字符相等，开始一次匹配尝试，若不成功 i -= j-1   i要回到开始匹配的后一个位置，这会导致i在进入匹配尝试后进行的一些比对（在跳出匹配模式前）失去意义。所以希望产生一个算法，可以使i一直“前进”，而不用存在这个回溯的操作。

KMP

代码

我们直接看代码，一步一步分析

public void getNext(int[] next, String s){ //getNext_1(next, needle)
        int j = -1;
        next[0] = j;
        for (int i = 1; i < s.length(); i++){
            while(j >= 0 && s.charAt(i) != s.charAt(j+1)){
                j=next[j];  
            }

            if(s.charAt(i) == s.charAt(j+1)){
                j++;
            }
            next[i] = j;
        }
    }
    public int strStr(String haystack, String needle) {
        if(needle.length()==0){
            return 0;
        }
        int[] next = new int[needle.length()];
        getNext(next, needle); //初始化getNext数组
        int j = -1;
        for(int i = 0; i < haystack.length(); i++){
            while(j>=0 && haystack.charAt(i) != needle.charAt(j+1)){ 
                j = next[j];                                              
            }
            if(haystack.charAt(i) == needle.charAt(j+1)){
                j++;
            }
            if(j == needle.length()-1){
                return (i-needle.length()+1);
            }
        }

        return -1;
    }

分析主函数

我们通过观察主函数，注意到先是做了一个极端情况的判断，再是初始化了一个next数组，最后对文本串做了一次遍历。观察for循环，一看见会对while循环感到不理解，那就先假设永远跳不进while循环，观察一下运行逻辑：

假设 文本串abcS  模式串abc 

很明显，进入不到while循环，在做了三次判断文本串和模式串的if语句后，给出了返回值。

从这边可以得出：

在可以匹配得到的情况下，不管前面发生了什么操作，这个for循环最后的几步，一定是i在文本串中开始，伴随j在模式串中变化，直到完成匹配，最后的i在文本串要匹配的末尾。

对于i的变化，逻辑非常清晰，就是for循环中，每次结束，都+1

但是j的变化，通过j = next[j]实现，它的变化一开始不明白。

然而j要发生变化，有两个条件 ：

1 - j>=0对应是已经进入了匹配模式，因为直到第二个if成立第一次，才会使j>=0

2 - 是在i j+1 位置对应文本串，匹配串对应的字符不同，即要退出，也要注意 j 代表的是模式串中正在匹配的字符的前一个位置。在匹配失败后，i不变，所以j肯定要做一些非常规变化。

kmp在解决哪一类情况

举一个简单的例子

文本串abababc   模式串ababc

按照传统的匹配方式，i j从0出发，当其值为4时，跳出匹配，i变为1，j变为0

但是可以发现 模式串ababc完全没有从文本串第二个b开始匹配的必要，如果可以直接从第二个a开始匹配那么就一步到位了，但是按照kmp的说法，i不变了，已经在4的位置，那么如果在这一次匹配失败的操作后，及在一次j = next[j]后，如果j可以去2的位置，那么i ，j继续向后遍历，也可以达到一样的效果。这是因为 模式串中两个ab通过了匹配，重复了，把模式串中第一个ab的位置移到文本串中第二个ab位置的开始匹配，就可以更加便捷。

前缀表

那么使得上述的j去到该去位置的next数组就称为前缀表，前缀表的作用就是在匹配失败的时候，

让j跳到之前已经匹配过的地方。

前缀是指不包含最后一个字符的所有以第一个字符开头的连续子串

后缀是指不包含第一个字符的所有以最后一个字符结尾的连续子串

前缀表记录的是 在 模式串到j的之前的字符串中最长相等前后缀

即用前缀表做了一次j的跳转后，会到最长相等前缀末尾的位置

前缀表怎么工作的

说明 图中 [ ]表示一些重复文本（即为模式串的相同前后缀）xxx 代表不匹配的字符，...代表一些普通字符 

我将j 指针的变化，转变为上下字符串 位置的对应，上下位置相对的，代表上下完成或正在进行匹配。

如何得到前缀表

 public void getNext_1(int[] next, String s){ //getNext_1(next, needle)
        int j = -1;
        next[0] = j;
        for (int i = 1; i < s.length(); i++){
            while(j >= 0 && s.charAt(i) != s.charAt(j+1)){
                j=next[j]; 
            }

            if(s.charAt(i) == s.charAt(j+1)){
                j++;
            }
            next[i] = j;
        }
    }

在这个写法中，第一个元素无法回溯，next[0] 为-1   

当if 被触发一次后，j>=0进入了一个匹配模式，可以进入while

假设一个模式串为 [] ... [] ...[] ...[]...       []代表一段重复文本

当 i指向第二段重复文本的开头，j 开始变化，直到遇到第二个... 结束..

为说明while循环：j 要跳到一个 j+1和i对应字符串的字符相等的位置，此时j之前的一段 和 ？到

i-1的那一段是一样的

跳转j 而要比较的字符位置是j+1 ，那么当j+1 和 i相等时，就找到了0～i的 最长前后缀。

时间复杂度

其中n为文本串长度，m为模式串长度，因为在匹配的过程中，根据前缀表不断调整匹配的位置，可以看出匹配的过程是O(n)，之前还要单独生成next数组，时间复杂度是O(m)。所以整个KMP算法的时间复杂度是O(n+m)的。