模式匹配——KMP算法

最新推荐文章于 2022-04-17 23:29:28 发布

chuanyang6282

最新推荐文章于 2022-04-17 23:29:28 发布

阅读量115

点赞数

原文链接：https://my.oschina.net/llmm/blog/118754

版权

回头看看KMP算法，感觉还是没有有限自动机那么坑！

朴素的字符串匹配算法想必大家懂得（串下标全部从0计）：

模式串P与文本串T匹配，假设扫描到串T的i+1处匹配，串P的j+1处失配，那么下次串T又将回溯到i-j+1处试图与P重新匹配。如下图的前缀蛮力匹配算法，T[5]与P[5]失配后，下次又从i=1处开始和串P试图匹配。

朴素的模式串匹配算法中，在失配之前模式串P与文本串T的一段匹配信息在下一次匹配中直接被忽略，这无疑是一种信息资源上的浪费。如上图，在文本串T[0...4]与模式串P匹配后，我们便知道从T[1]开始的串是无法和P匹配的。因为文本串T[1]和模式串的P[1]是匹配的，而P[1]和P[0]是不匹配的！此时，朴素算法盲目的再去从T[1]开始匹配，增加了时间复杂度。

于是，我们考虑如何更有效的使用匹配信息。

一个正确的思路是，在让串P滑动能正确匹配到当前T所扫描到的位置的基础上，保证一个最小滑动确保不会丢失匹配……

如上图，在T[5]和P[5]失配后，显然模式串向后滑动2、4……都可能匹配成功，因为就我们目前扫描串T所到的位置来说它们暂时是匹配的。当然，我们要选取最小的滑动距离，不然可能丢失匹配。本例中，若模式串向后滑动4与T[4]去匹配，那么由于我们并不知道T[5]之后的信息而有可能丢失可以从T[2]匹配成功的子串T[2...](当然本例中是不可能了)。

现在，我们考虑如何去获取这种最小滑动距离。如上图，显然最小滑动后T[2...4]和P[0...2]会正确匹配(前提条件)，而由于之前的匹配信息T[2...4]和P[2...4]是匹配的！现在一下子可以看出，滑动时需要的信息是失配之前的模式串P的子串的可以和其前缀匹配的最大后缀长度！如上例，P[0...4]子串的最大匹配长度是3，前缀aba和后缀aba！

接下来就是如何计算模式串P的每个子串P[0...j]的最大匹配后缀长度的问题了，我们把结果存入一个Next数组中。如上例模式串P预处理过后的Next数组将是这样：

P: a b a b a c b Next: 0 0 1 2 3 0 0

首先，初始化 Next[0]=0，这个很容易理解。

然后，假设当前计算模式串P的子串P[0...j]的最大后缀匹配长度Next[j]的问题。

已知Next[j-1]，令k=Next[j-1]。那么k将表示当前试图继续匹配的前一次成功匹配的前缀串的后一个字符，当然也表示前一次成功匹配的长度。

如上例，假设当前要计算P[4]，令k=Next[3]=2，即前一次成功匹配的前缀为P[0...1](与P[2...3])，本次扫描是试图继续匹配P[0...2]与P[2...4]！显然上一次成功匹配长度为k=2！

现在需要分两种情况讨论：

1).如果P[j]==P[k]，那么在前一次成功匹配的基础上本次匹配尝试成功！显然成功匹配度加1，即Next[j]=k+1！前缀指针与后缀指针向后移动，继续尝试匹配！

2).如果P[j]!=P[k]，那么基于前一次成功匹配的基础再继续匹配必然是失败的！现在一个这正确的思路就是，在前一次成功匹配的前缀串中去寻找可匹配的子串！此时修正k指向上一次成功匹配的前缀串中，最长的与后缀匹配的前缀的后一个字符，即令k=Next[k-1]! 然后重复前面的过程即可！

例如下面这个情况：

P: a b a b a c b Next: 0 0 1 2 3 0 0

当计算子串P[0...4]最大前缀后缀匹配长度时，j=4，k=Next[3]=2。因为当前扫描位置P[4]与前一次匹配的前缀串的下一个字符P[2]匹配成功，那么子串P[0...4]的最大前后缀匹配长度就是前一次子串P[0...3]的匹配长度加1，也即k+1=3！

当计算子串P[0...5]的最大前后缀匹配长度是，j=5，k=Next[4]=3。因为当前扫描位置P[5]与前一次成功匹配前缀串的下一个字符P[3]匹配失败，那么在前一次匹配基础上试图继续匹配将是不可能的！现在考虑这样的处理方式，因为前一次成功匹配后缀串P[2...4]和P[0...2]匹配，那么由于P[2...4]中的后缀将和P[0...2]中的后缀匹配，可以考虑用P[2...4]中的后缀在P[0...2]子串前后缀成功匹配的基础上在P[0...2]前缀后继续试图匹配！本例中，即P[4]和P[0]成功匹配，现在试图用P[5]从P[1]开始继续匹配！(虽然本例并不成功)此时修正k(k=3)值为k=Next[k-1]=1，然后重复前面的过程即可。

注意，此时需要处理一种特殊情况。当去试图匹配第一个字符(k=0)但失配时，也就意味着当前匹配不能建立在任何一个匹配基础上，并且不能和首字符匹配，那么直接将Next[j]置0。如本例中的Next[5]。

预处理的Next数组计算代码如下：

while(j<m)   //j指向当前需要处理的最大前后缀匹配长度的位置，m为模式串P的长度
   {           //k指向与当前j前的后缀子串匹配的前缀子串的下一个字符，也是当前试图匹配的前一次匹配的最大长度
       if(P[j]==P[k]||k==0)   //后缀子串的下一个字符与前缀子串的下一个字符继续匹配
                               //或者匹配到串首，无前一次匹配基础
       {
           if(P[j]!=P[k]) Next.push_back(0);   //当前字符与第一个字符不匹配，后缀前缀匹配长度置0
           else Next.push_back(++k);   //当前后缀串后的字符与试图匹配的前缀串后的字符匹配，匹配长度为前缀串长度+1，即k+1
           j++;   //向下扫描
       }
       else k=Next[k-1];   //当前后缀串后的字符与前缀串后的字符失配，在前缀串中寻找前一个可匹配的前缀子串
                           //修正前一次匹配长度和试图继续匹配位置
   }

字符串匹配过程的代码如下：

while(1)
   {
       while(i<n&&j<m&&T[i]==P[j]) {i++;j++;}   //当前字符匹配，向后扫描
       if(j==m) cout<<i-m<<endl;   //模式串匹配成功，输出开始匹配子串起始的位置
       if(i==n) break;   //串扫描结束
       if(T[i]!=P[j])   //当前位置失配
       {
           if(j==0) i++;   //文本串与模式串首字符失配，与目标串当前所试图匹配子串不能匹配，扫描下一个子串
           else j=Next[j-1];   //模式串向后滑动，试图匹配下一个可匹配的子串
       }
   }