KMP算法的next数组理解总结

KMP算法的next数组理解总结

---

  KMP算法整体的思路容易理解，主要是采用跳步的思想来避免没有必要的匹配（参考资料1）。在处理的过程中有一个next数组，用来存储相应长度的字符串的最大匹配前缀长度，这个next数组的生成过程在理解上有一些困难，在参考了以下资料之后，觉得需要做一个总结。

1. 程序员小灰漫画：什么是KMP算法？

2. KMP算法的next数组通俗解释

  现在基于参考资料2中的例子进行说明，因为觉得更加清晰。next数组的生成主要可以划分为3种情况来考虑：

1. 当 i 的值为 0 的时候

   这个情况下，next[i] = 0。

2. 当 s[i] == s[j] 的时候

   这个情况下，主要是采用动态规划的思想，就是当前的next的值可以继承 next[i - 1]的值。如果next[i -1] = 0，那说明这里开始有对称的字符出现了，所以next[i] = 1；如果next[i - 1] = k，就意味着前面的 s[0] ~ s[i - 1] 的对称子串长度是 k，那么当前一个连续的字符相等，说明对称子串的长度在 next[i- 1] 的基础上可以累加1，所以next[i] = next[i - 1] + 1。

3. 当 s[i] != s[j] 的时候

   这个情况下，就不可以继承 next[i - 1] 的值，因为它已经失去了继承的规律，如下图所示：
   
     字符串的总长是15，当前 i = 14，j = 7（ j 指向已匹配最长前缀的下一个位置）, s[i] == “t”，s[j] == “a”，因此 s[i] != s[j]，这个时候，就显然不是 next[i] = next[i - 1] + 1，也不应该是0，因为它虽然不等于前面的对称子串长度加1，但也有可能跟更小的一个子串对称，比如上图的对称子串就应该是 agct，因此这里就必须回溯进行寻找。

     怎么回溯呢？首先这里要明确一个问题，因为s[i] != s[j]，就说明这里的对称子串就断了，所以当我考虑 t 进来的字符串的对称子串时候，肯定不会超过当前的最大对称子串的长度，也就是k，所以 next[i] < k 是必然的，因此在这个条件下，我要回溯的字符串肯定是从 j 下标所在的位置开始的，因为 j == k 是恒成立的，就像当前的这个例子里面一样。

     好啦，到了这里，就可以解决这个问题了，最简单的方法就是暴力遍历嘛，从下标 j 开始，一个个往前比较，当然，KMP算法要是这么麻烦就难免俗套了。肯定还有技巧的嘛，关键就是在这里，难理解的也是这里：

   回溯的过程依然可以用跳步的方式进行，不需要逐步去比较

   3.1 首先，根据第 2 点中的动态规划思想，前面长度为k的连续子串肯定是对称的，就比如例子中，k = 7，因此前面长度为7的子串肯定对称，就是 agctagc了，所以 s[i - k] ~ s[i - 1] 与 s[0] ~ s[j - 1] 是一样的。

   3.2 然后，我想要找出 t 加进来后的最大前缀是什么，那么可以转为满足这样的条件

   • t 前面长度是 n （n < k == j）的子串是对称的，就是说 s[0] ~ s[n] 和 s[i - n] ~ s[i - 1] 是一样的，只有这样，t 加进来后才能得到继续对称的子串（除非只有 t 一个值对称的情况）。

   • s[n + 1] = “t”

   3.3 假设3.2的条件成立，结合3.1 和 3.2 就可以得出这样的结论：

   因为 s[i - k] ~ s[i - 1] == s[0] ~ s[j - 1]，所以 s[j- n - 1] ~ s[j - 1] == s[i - n] ~ s[i - 1]，（n < k == j）。

   又因为 s[0] ~ s[n] == s[i - n] ~ s[i - 1] ，可得 s[0] ~ s[n] == s[j- n - 1] ~ s[j - 1]

   这就意味着，我想要在下标 j 之前的字符串中找到一个长度为 n 的前缀，让它等于长度为 n 的后缀，并且 s[n + 1] == “t”，那就大功告成了。那next[j] 这个位置存储的数值不刚好是满足这个条件的最大值吗？最大匹配前后缀嘛！那我就不需要再从 j 往回遍历了，直接回溯到最大前缀的下一个位置就可以了，也即是我们常看到的 j = next[j] 的这一行代码了。以这个例子为说明，就是找到了 agctagc 的最大匹配前缀，就是 agc 了，再比较一下s[j] == s[i]，就可以让next [14] = 3了。如果 s[j] 又不是 t，就要持续以上过程，直到位置0，没有就是next[14] = 0。如果 s[j] 又不是 t，就要持续以上过程，直到位置0，没有就是next[14] = 0。

  最后有一点想法：KMP算法巧妙是巧妙了，通过跳步和动态规划来减少字符串的匹配次数，但是我就想问个小学生的问题了：它减少比较次数的依据是我的模式串（就是拿来匹配的那个短的字符串）里面有可能重复对称的字符，但是很多英语单词里都不可能出现这种对称重复的模式串啊，那KMP就失效了，所以KMP是用来比较什么的呢？想来想去只有二进制了。