【字符串系列】字符串匹配（KMP）

KMP算法是一种字符串匹配算法，由三个老外发现的，因此算法就用三个老外名字首字母命名了。KMP算法的关键是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。

KMP算法的关键是next数组的求解，并根据实际情况next数组可以进行各种活用。

next数组是什么？

例如有一个字符串n，和一个字符串m，需要在n中匹配m，那么就需要对m进行next数组求解，next数组就是字符串的自匹配，返回失配位之前的最长公共前后缀！这样就利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。

 KMP 算法之所以难懂，很大一部分原因是很多实现的方法在一些细节的差异，重要的是领悟思想，根据实际情况求next数组。我浏览过网上的一些博文，求解next数组的形式很多，有的next数组时从0开始的，有的是从1开始的，有的next数组返回的是之前字符串的长度，有的返回是的之前字符串的下标，不过根据我的理解就是，next数组最好从1开始，因为某些情况下，从0开始的next数组不符合需要！

下面举例说一下为什么：

字符串"aa"，如果next数组从0开始的话，那么next[0]=-1 next[1]=0，如果next数组从1开始的话，那么next[0]=-1 next[1]=0 next[2]=1。

而对于字符串"ab"，如果next数组从0开始的话，那么next[0]=-1 next[1]=0，如果next数组从1开始的话，那么next[0]=-1 next[1]=0 next[2]=0。

从上面可以看出，从0开始的话，无论第二个字母是什么，next[1]都是0，如果我需要求解这个字符串的对称的最大长度，那么从0开始的next数组显然不符合要求。

下面开始介绍next数组的作用以及如何求next数组，还是举字符串m为例，下面的图就是求next数组的过程，可以看出字符串m的前后有两部分是对称的，这就是自匹配，对于字符串m的每一个位置求next的值，如果字符串n和字符串m匹配的时候，在某个位置失配，利用next数组，下一次就不需要在m的开始位置重新匹配

下面看一下字符串n和字符串m匹配中的一环，长的字符串为n，短的是m，红色部分为失配位置，可以看出利用next数组，在n和m失配的时候，下一次匹配，m就不需要从头开始与n匹配。

求解next数组的重点就是继承

a 、当前面字符的前一个字符的对称程度为 0 的时候，只要将当前字符与子串第一个字符进行比较。这个很好理解啊，前面都是 0 ，说明都不对称了，如果多加了一个字符，要对称的话最多是当前的和第一个对称。比如 agcta 这个里面 t 的是 0 ，那么后面的 a 的对称程度只需要看它是不是等于第一个字符 a 了。

b 、按照这个推理，我们就可以总结一个规律，不仅前面是 0 呀，如果前面一个字符的 next 值是 1 ，那么我们就把当前字符与子串第二个字符进行比较，因为前面的是 1 ，说明前面的字符已经和第一个相等了，如果这个又与第二个相等了，说明对称程度就是 2 了。有两个字符对称了。比如上面 agctag ，倒数第二个 a 的 next 是 1 ，说明它和第一个 a 对称了，接着我们就把最后一个 g 与第二个 g 比较，又相等，自然对称成都就累加了，就是 2 了。  


c 、按照上面的推理，如果一直相等，就一直累加。


当然不可能会那么顺利让我们一直对称下去，如果遇到下一个不相等了，那么说明不能继承前面的对称性了，这种情况只能说明没有那么多对称了，但是不能说明一点对称性都没有，所以遇到这种情况就要重新来考虑，这个也是难点所在。

如果不相同，用一句话来说，就是：


从前面来找子前后缀


1 、如果要存在对称性，那么对称程度肯定比前面这个的对称程度小，所以要找个更小的对称，这个不用解释了吧，如果大那么就继承前面的对称性了。


2 、要找更小的对称，必然在对称内部还存在子对称，而且这个必须紧接着在子对称之后。


 

就像上面这张图，红色部分是当前的求解位置，如果红色部分和黄色部分的第一个字母不相等，则没有办法继承（蓝+绿+蓝）这部分的长度，但是却可以继承更小的长度，就是红色部分前面的一小部分蓝色

下面给出kmp的模板

//这里的str数组从下表0开始，如果希望从1开始则需要修改一下kmp函数 
char str[1000005],str2[10005];
int nextArr[10005];
int T,m,n;

void count_nextArr(){
	int j=-1,i=0;
	nextArr[0]=-1;
	while(i<m){
		if(j==-1 || str2[i]==str2[j]){
			nextArr[++i]=++j;
		} else{
			j=nextArr[j];
		}
	}
}

int kmp(){
	int i=0,j=0;
	while(i<n && j<m){
		if(str[i] == str2[j]){
			i++,j++;
		} else {
			if(j==0) i++;
			else j = nextArr[j];
		}
	}
	return (j==m) ? i-m+1 : -1;
}

hdu1711：模板题

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cstdlib>
#include<algorithm>
#define INF 0x3f3f3f3f
using namespace std;
int a[1000005],b[10005],nextArr[10005];
int T,m,n;

void count_nextArr(){
	int j=-1,i=0;
	nextArr[0]=-1;
	while(i<m){
		if(j==-1 || b[i]==b[j]){
			nextArr[++i]=++j;
		} else{
			j=nextArr[j];
		}
	}
}

int kmp(){
	int i=0,j=0;
	while(i<n && j<m){
		if(a[i] == b[j]){
			i++,j++;
		} else {
			if(j==0) i++;
			else j = nextArr[j];
		}
	}
	return (j==m) ? i-m+1 : -1;
}

int main()
{
	//freopen("input.txt","r",stdin);
	cin>>T;
	while(T--){
		scanf("%d%d",&n,&m);
		for(int i=0;i<n;i++){
			scanf("%d",&a[i]);
		}
		for(int j=0;j<m;j++){
			scanf("%d",&b[j]);
		}
		count_nextArr();
		printf("%d\n",kmp());
	} 
	return 0;
}

hdu2203：kmp入门问题

只需变换一下，将原字符串变成两倍长再和模式串进行匹配，就可以遍历所有的轮回串。

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<cstdlib>
#include<algorithm>
#define INF 0x3f3f3f3f
using namespace std;
char str[200005];
char str2[100005];
int nextArr[100005];
int n,m;

void count_nextArr(){
	int j=-1,i=0;
	nextArr[0]=-1;
	while(i<m){
		if(j==-1 || str2[i]==str2[j]){
			nextArr[++i]=++j;
		} else{
			j=nextArr[j];
		}
	}
}

void kmp(){
	int i=0,j=0;
	while(i<2*n && j<m){
		if(str[i] == str2[j]){
			i++,j++;
		} else{
			if(j==0){
				i++;
			} else{
				j = nextArr[j];
			}
		}
	}
	if(j!=m){
		printf("no\n");
	} else{
		printf("yes\n");
	}
} 

int main()
{
	//freopen("input.txt","r",stdin);
	while(~scanf("%s",str)) {
		scanf("%s",str2);
		n = strlen(str);
		m = strlen(str2);
		for(int i=n,j=0;i<2*n;i++,j++){
			str[i] = str[j];
		} 
		str[2*n] = '\0';
		count_nextArr();
		kmp();
	}
	
	return 0;
}

hdu2594：kmp入门问题

两个字符串s1和s2, 求出是s1的前缀并且是s2的后缀的最长的字符串。

连接两个字符串，例如next数组的特性求解即可

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<cstdlib>
#include<algorithm>
#define INF 0x3f3f3f3f
using namespace std;
char str[50005],str2[50005];
int nextArr[50005];
int n,m;

void count_nextArr(){
	int j=-1,i=0;
	nextArr[0]=-1;
	while(i<m+n){
		if(j==-1 || str[i]==str[j]){
			nextArr[++i]=++j;
		} else{
			j=nextArr[j];
		}
	}
}

int main()
{
//	freopen("input.txt","r",stdin);
	while(~scanf("%s",str)){
		scanf("%s",str2);
		n=strlen(str);
		m=strlen(str2);
		strcat(str,str2);
		count_nextArr();
		int len=m+n;
		while(nextArr[len]>m || nextArr[len]>n){
			len=nextArr[len];
		}
		for(int i=0;i<nextArr[len];i++){
			printf("%c",str[i]);
		}
		if(nextArr[len]) printf(" ");
		printf("%d\n",nextArr[len]);
	}
	return 0;
}

如果还想做更多的kmp题目，推荐看一下这个人的博客，列举了一些kmp中级题目

http://www.cnblogs.com/wuyiqi/archive/2012/01/05/2313746.html