字符串匹配算法的思考

最近刚好回看了一下KMP算法，对KMP算法有了更清晰的理解，于是在这里记录一下，将自己的理解记录归纳。

前置

待搜索串： Sn=S0S1S2...Sn。如：abbaabbaaba
待匹配串：Pm=P0P1P2...Pn。如：abbaaba

从暴力匹配讲起

暴力匹配： 对 待搜索串每个位置，都进行待匹配串的搜索，当前位置不匹配，则到下一个位置进行查找。即，从S0开始查找Pm，查不到则在S1再查Pm，直到 S(n-m)的位置，Pm每次都从P0开始匹配。
最差时间复杂度：遍历 n-m 的位置，每个位置进行 m 次比较。 即， (n-m) * m
例如： Sn= aaaaaaaaab，Pm=aab
说明：暴力匹配思路比较清晰简单，因此代码实现也比较简单，在 子串很小的时候是有用的，例如m=1（即查询单个字符）。

优化方向：减少已经做过的事。如：走过的S位置不要再走（在前部分匹配时）即不回溯S，匹配过的不要每次都从P0位置开始匹配。

第一次优化----不回溯S

在暴力匹配中，如 Sn= aaaaaaaaab，Pm=aab，可以发现，一开始从S的位置，每次匹配完，匹配到P的最后一个位置才不匹配。此时假设S的位置为x，S已经走了x+m了，但是还是会回到x+1处，重新匹配（即发生了回溯）。
这是一个浪费的地方，P越长，前面匹配得越多越浪费。
假设P已经匹配的位置为y ，我们能不能从 S的x+y处位置接下去比较，即S不再发生回退。
顺着S不发生回退的方向，就可以进行第一次的优化。

考虑一下：其实，S 从 x+y 位置的字符是什么我们已经知道了的。即子串P的0到y的位置，所以S即使不回退，我们也有了 S(x+y)的知识，我们接下来就应该利用这些知识让S不回退。

再考虑一下：假设S从x+1的位置开始匹配了P，最后还是需要比较Sx+y的位置的。
那么此时，匹配S(x+y)应该与P(y-1)进行比较，那么，我们可以先进行 S(x+y)与P(y-1) 的比较。
如果 S(x+y)与P(y-1) 不匹配，那么 S(x+1)的位置已经不可能匹配子串（因为最后一个字符不等），
同样的方式判定S(x+2)，S的x到y的位置都可以这样子判定，如果匹配，就要进行另外的展开判断。
如果 S(x+y)与P(y-1)匹配，如果我们能通过已有的条件进行验证S(x+1)到S(x+y)和P(0)到P(y-1)接下来是否匹配，那么，我们就确实不再需要进行 S的回退了。
那么，我们能够验证吗？还知道我们前面考虑吗，我们是拥有 Sx到S(x+y)的知识的。即接下来要知道的Sx到S(x+y)的知识我们都有，所以我们是可以验证。
为了便于理解，我们假设n=10，m=5，x=0，y=4，由于我们不回退，假设S1是可能是合法匹配的开始（即x=1），并验证了 S4=P3，那么如果 S1S2S3=P0P1P2，即 可得 S1S2S3S4=P0P1P2P3
而验证 S1S2S3=P0P1P2 是否正确，我们是有办法的，因为我们上一次匹配的知识里面已经知道了S1S2S3 (即 P1P2P3)

那么如果这一段确实匹配，我们就可以接下去比较S5和P4了，而这部分是属于常规的必须的比较操作了。

如果不匹配，那么就是接下去的尝试了，即x=2时的情况，直到尝试完。最后确实不匹配，S的位置为S(x+y+1)，P的位置从0开始。

通过这个验证，我们将不用再回退S，进行了一次优化，虽然现在还需要通过反复比较才能确定不回溯，但是将 S与 P 进行了分离（验证前面的部分是否匹配不再与S有关）。

第二次优化----子串验证加速

由于第一次优化我们已经把 S 和 P 进行了分离（验证前面的部分是否匹配不再与S有关）（后半部分的常规比较是否匹配这一部分是没法少的，不是优化的方向），所以，接下来的优化也与S无关。
在我们操作的过程中，我们发现，可能要重复验证 P 某个范围的值是否相等。
例如：还是上面的例子。由于上一次匹配的x=0，y=4， 可得： S0S1S2S3 = P0P1P2P3，即可得 S1S2S3 = P1P2P3。 而当前要从x=1匹配要验证 S1S2S3=P0P1P2 是否正确。 即 S1S2S3=P1P2P3 = P0P1P2 。
那么，下次y为另外值的时候，又用到这样的比较，即可能 P1P2P3=P0P1P2经常在重复比较，并且有些比较是多余的，因为我是可以 提前 知道 P1P2P3 ！=P0P1P2的。
所以我们可以提前处理P，产生一个位置对照表（从0到m的最长重复串位置，我们后面再说一下这个对照表怎么产生，现在先跳过）。
这样，下次就可以从y位置 通过对照表得到另一个位置 y' ，直接比较 S(x+y)与S(y’) 就可以直接知道前面是否匹配，而不用P(y-1)一次次比较，如果不匹配，则y’ 可能有 y’’ ，如果没有，那么说明前面都不可能匹配，进入后续S(x+y+1)的常规流程。这样，通过预处理对照表，大大减少了子串的比较。

对照表的产生：我把这个表理解成0-m每个位置从0开始的最长重复子串的位置。即：m=y时，存在i，使 P0....Pi = P(m-i) P(m-i-1)...Py，当然，i不能和y相等，对照表存放的就是每个位置的i值。举几个例子。如下，此处i不存在时记为*
aab 对照表为 *1*
abcabcacab 对照表为 ***0123*01
这里找y位置 i 的值简单直接一点的算法思路：

y=0时，*
y>0时，假设 i=y-1，那么 Py-1 =Py，Py-2=Py-1...
假设i=y-2，那么 Py-2=Py，Py-3=Py-1..
最后可以得到 i 的确定值。

通过对照表，我们把子串匹配的验证也进行了优化。

KMP算法

KMP算法的基本基本原理即为上面的两次优化。即：
不回溯S，将前部分匹配判断留给子串
用预处理对照表，减少子串判断。
空间复杂度：O(m) 存放对照表。
时间复杂度：O(n+m)