KMP算法

背景引入

在某些时候，我们常常会出现字符串匹配的问题。
例如：对于字符串s1，s2,判断s2在s1中出现的次数，正常来说，如果暴力枚举的话，我们需要使用O（n*m）的时间复杂度。
有三位大佬就想出了KMP算法，保证了O(n+m)线性复杂度。

算法讲解

基本思想

KMP算法的基本思想就是，当我们在字符串匹配的时候，如果出现了不匹配的情况，我们并不需要重新枚举，而是通过next数组（之后再说如何生成的），从某个特定的位置开始匹配。而如何知道这个特定的位置，便是next数组。

我们先看一组样例：

主串:  ABABABCAA
模拟串:ABABC

当我们正常匹配时，会出现匹配到C时出现问题，那么正常来说，我们需要回退主串到B然后继续匹配：

回退 然后重新匹配
主串:  ABABABCAA
模拟串: ABABC

但这样是很麻烦的，通过观察，我们可以这样移动模拟串：

通过观察的移动，且前面两个AB并不需要匹配
只需要匹配后面的三个数即可
主串:  ABABABCAA
模拟串:  ABABA

我们发现，如果回退，然后重新匹配会浪费很多时间，但我们可以通过next数组来达到最优的移动，且重复的匹配并不需要。
这就是next数组，next数组存储的当出现字符串不匹配的时候，我们该如何移动。
这个便是已经知道了next数组以后，程序的实现：

//i代表s1的起点 j代表s2的第几个位置
	for(int i=1,j=0; i<=n; i++) {
		//如果匹配失败 通过next数组j不断往回退 直到可以继续匹配
		while(j && s1[i]!=s2[j+1]) j = next[j];
		//匹配成功 j++
		if(s1[i] == s2[j+1]) j++;
		//当j到达字串的末尾，匹配成功
		if(j == m) {
			//通过next数组移动
			j=next[j];
			cout<<i-m+1<<'\n';
		}
	}

如何生成next数组

那么我们既然已经知道了next数组的作用了，那么该如何生成next数组呢？
继续看例子：

主串:  ABABABCAA
模拟串:ABABC

我们会发现，我们之所以会移动两个字符，是因为移动的AB和ABABC中加粗的字符是一样的，对于字串的前四个字符，它们拥有一个相同的前缀和后缀AB,所以我们才能移动两个字符。

next数组的本质就是相同前后缀的最长长度

继续看例子：

模拟串:	 ABABC
next:	 00120

如何通过代码实现next数组，我们可以使用暴力枚举的方式，但这样时间复杂度很高，我们可以通过递推的方式来实现：

//求next数组
	// 从2开始  因为ne[0]=0,ne[1]=0;
	for(int i=2,j=0; i<=m; i++) {
		//如果出现不匹配的情况或者j为0就是出现意外了
		while(j && s2[i]!=s2[j+1])
			j = ne[j];
		if(s2[i] == s2[j+1])
			j++;
		ne[i] = j;
	}

递归的本质就是通过已知的数据来推出后面的数据。

例子

题目链接

【模板】KMP

题目描述

给出两个字符串 $s_1$ 和 $s_2$，若 $s_1$ 的区间 $[l,r]$ 子串与 $s_2$ 完全相同，则称 $s_2$ 在 $s_1$ 中出现了，其出现位置为 $l$。
现在请你求出 $s_2$ 在 $s_1$ 中所有出现的位置。

定义一个字符串 $s$ 的 border 为 $s$ 的一个非 $s$ 本身的子串 $t$，满足 $t$ 既是 $s$ 的前缀，又是 $s$ 的后缀。
对于 $s_2$，你还需要求出对于其每个前缀 $s^{\prime }$ 的最长 border $t^{\prime }$ 的长度。

输入格式

第一行为一个字符串，即为 $s_1$。
第二行为一个字符串，即为 $s_2$。

输出格式

首先输出若干行，每行一个整数，按从小到大的顺序输出 $s_2$ 在 $s_1$ 中出现的位置。
最后一行输出 $|s_2|$ 个整数，第 $i$ 个整数表示 $s_2$ 的长度为 $i$ 的前缀的最长 border 长度。

样例 #1

样例输入 #1

ABABABC
ABA

样例输出 #1

1
3
0 0 1

提示

样例 1 解释

。

对于 $s_2$ 长度为 $3$ 的前缀 ABA，字符串 A 既是其后缀也是其前缀，且是最长的，因此最长 border 长度为 $1$。

数据规模与约定

本题采用多测试点捆绑测试，共有 3 个子任务。

• Subtask 1（30 points）：$|s_1|\le 15$，$|s_2|\le 5$。
• Subtask 2（40 points）：$|s_1|\le 10^4$，$|s_2|\le 10^2$。
• Subtask 3（30 points）：无特殊约定。

对于全部的测试点，保证 $1\le |s_1|,|s_2|\le 10^6$，$s_1,s_2$ 中均只含大写英文字母。

#include<bits/stdc++.h>
using namespace std;
const int N=1e6+10;
char s1[N],s2[N];
int n,m;
int ne[N];
int main() {
	//从下标为1开始
	cin>>s1+1;
	cin>>s2+1;
	n=strlen(s1+1),m=strlen(s2+1);
	//求ne数组
	// 从2开始  因为ne[0]=0,ne[1]=0;
	for(int i=2,j=0; i<=m; i++) {
		//如果出现不匹配的情况或者j为0就是出现意外了
		while(j && s2[i]!=s2[j+1])
			j = ne[j];
		if(s2[i] == s2[j+1])
			j++;
		ne[i] = j;
	}
	//i代表s1的起点 j代表s2的第几个位置
	for(int i=1,j=0; i<=n; i++) {
		while(j && s1[i]!=s2[j+1]) j = ne[j];
		if(s1[i] == s2[j+1]) j++;
		//匹配成功
		if(j == m) {
			j=ne[j];
			cout<<i-m+1<<'\n';
		}
	}
	//最长border其实就是ne记录的数据 
	for(int i=1; i<=m; i++) cout<<ne[i]<<" ";
	return 0;
}

推荐视频

视频链接

欢迎大佬指出错误。