KMP的主要思想是当出现字符串不匹配时,可以知道一部分之前已经匹配的文本内容,可以利用这些信息避免从头再去做匹配了。
前缀表是用来回退的,它记录了模式串与主串(文本串)不匹配的时候,模式串应该从哪里开始重新匹配。
文本串中第六个字符b 和 模式串的第六个字符f,不匹配了。如果暴力匹配,会发现不匹配,此时就要从头匹配了。
但如果使用前缀表,就不会从头匹配,而是从上次已经匹配的内容开始匹配,找到了模式串中第三个字符b继续开始匹配。
首先要知道前缀表的任务是当前位置匹配失败,找到之前已经匹配上的位置,再重新匹配,此也意味着在某个字符失配时,前缀表会告诉你下一步匹配中,模式串应该跳到哪个位置。
那么什么是前缀表:记录下标i之前(包括i)的字符串中,有多大长度的相同前缀后缀。
前缀是指不包含最后一个字符的所有以第一个字符开头的连续子串。
后缀是指不包含第一个字符的所有以最后一个字符结尾的连续子串。
前缀表要求的就是相同前后缀的长度。
字符串aabaa的最长相等的前缀 和 后缀字符串是 子字符串aa ,因为找到了最长相等的前缀和后缀,匹配失败的位置是后缀子串的后面,那么我们找到与其相同的前缀的后面从新匹配就可以了。
所以前缀表具有告诉我们当前位置匹配失败,跳到之前已经匹配过的地方的能力。
前缀是指不包含最后一个字符的所有以第一个字符开头的连续子串;后缀是指不包含第一个字符的所有以最后一个字符结尾的连续子串。
可以看出模式串与前缀表对应位置的数字表示的就是:下标i之前(包括i)的字符串中,有多大长度的相同前缀后缀。
其实这并不涉及到KMP的原理,而是具体实现,next数组即可以就是前缀表,也可以是前缀表统一减一(右移一位,初始位置为-1)。
KMP算法的时间复杂度是O(n+m)
构造next数组
- 初始化
- 处理前后缀不相同的情况
- 处理前后缀相同的情况
初始化
定义两个指针i和j,j指向前缀起始位置,i指向后缀起始位置。
next[i] 表示 i(包括i)之前最长相等的前后缀长度(其实就是j)
所以初始化就j= -1 next[0] = j。
int j = -1;
next[0] = j;
处理前后缀不相同的情况
因为j初始化为-1,那么i就从1开始,进行s[i] 与 s[j+1]的比较。
如果 s[i] 与 s[j+1]不相同,也就是遇到 前后缀末尾不相同的情况,就要向前回退。
next[j]就是记录着j(包括j)之前的子串的相同前后缀的长度。
那么 s[i] 与 s[j+1] 不相同,就要找 j+1前一个元素在next数组里的值(就是next[j])。
for(int i = 1; i < s.size(); i++) {
while (j >= 0 && s[i] != s[j + 1]) { // 前后缀不相同了
j = next[j]; // 向前回退
}
};
处理前后缀相同的情况
如果s[i] 与 s[j + 1] 相同,那么就同时向后移动i 和j 说明找到了相同的前后缀,同时还要将j(前缀的长度)赋给next[i], 因为next[i]要记录相同前后缀的长度。
if (s[i] == s[j + 1]) { // 找到相同的前后缀
j++;
}
next[i] = j;
使用next数组来匹配
步骤和上面构造next数组很相似,只是多了一步要进行判断文本串里面是否出现了模式串,如果j指向模式串t的末尾,那么说明模式串t完全匹配文本串s里的某个子串。
int j = -1; // 因为next数组里记录的起始位置为-1
for (int i = 0; i < s.size(); i++) { // 注意i就从0开始
while(j >= 0 && s[i] != t[j + 1]) { // 不匹配
j = next[j]; // j 寻找之前匹配的位置
}
if (s[i] == t[j + 1]) { // 匹配,j和i同时向后移动
j++; // i的增加在for循环里
}
if (j == (t.size() - 1) ) { // 文本串s里出现了模式串t
return (i - t.size() + 1);
}
}
kmp算法
前缀表(不减一)
class Solution {
public:
void getNext(int* next,string& s){
int j = 0;
next[0] = 0;
for(int i = 1;i<s.size();i++){
while(j>0&&s[i] != s[j]){
j = next[j-1];
}
if(s[i] == s[j]){
j++;
}
next[i] = j;
}
}
int strStr(string haystack, string needle) {
if(needle.size() == 0) return 0;
int next[needle.size()];
getNext(next,needle);
int j = 0;
for(int i = 0;i<haystack.size();i++){
while(j>0 && haystack[i] !=needle[j]){
j = next[j-1]; //是要找前一位的对应的回退位置了
}
if(haystack[i] == needle[j]){
j++;
}
if(j == needle.size()){
return (i-needle.size()+1);
}
}
return -1;
}
};
前缀表(减一)
class Solution {
public:
void getNext(int* next, const string& s) {
int j = -1;
next[0] = j;
for(int i = 1; i < s.size(); i++) { // 注意i从1开始
while (j >= 0 && s[i] != s[j + 1]) { // 前后缀不相同了
j = next[j]; // 向前回退
}
if (s[i] == s[j + 1]) { // 找到相同的前后缀
j++;
}
next[i] = j; // 将j(前缀的长度)赋给next[i]
}
}
int strStr(string haystack, string needle) {
if (needle.size() == 0) {
return 0;
}
int next[needle.size()];
getNext(next, needle);
int j = -1; // // 因为next数组里记录的起始位置为-1
for (int i = 0; i < haystack.size(); i++) { // 注意i就从0开始
while(j >= 0 && haystack[i] != needle[j + 1]) { // 不匹配
j = next[j]; // j 寻找之前匹配的位置
}
if (haystack[i] == needle[j + 1]) { // 匹配,j和i同时向后移动
j++; // i的增加在for循环里
}
if (j == (needle.size() - 1) ) { // 文本串s里出现了模式串t
return (i - needle.size() + 1);
}
}
return -1;
}
};
对于459题 重复的子字符串
最小重复单位就是他的最长相等前后缀不包含的那个部分,就是最小重复字串。
可以推导的,利用最长相等前后缀推导,因为他们很多相同位置元素相同这个原理(当不理解的时候我们推导看看)
第一开始我对next这个数组的理解有偏差其实i指针指向的尾缀的末尾,j指向前缀的末尾,next里面存储的就是以i指针指向得元素当做尾元素求这个子串得相同前后缀的长度,第一开始理解有偏差。
class Solution {
public:
void getNext(int* next,string& s){
int j = 0;
next[0] = 0;
for(int i = 1;i<s.size();i++){
while(j>0&&s[i]!=s[j]){
j = next[j-1]; //向前回退,循环不变原则 是要找前一位的对应的回退位置了
}
if(s[i] == s[j]){
j++;
}
next[i] = j;
}
}
bool repeatedSubstringPattern(string s) {
int next[s.size()];
getNext(next,s);
int size = s.size();
// for(int i = 0;i<size;i++){
// cout<<next[i]<<endl;
// }
if(next[size-1] !=0 && size%(size-next[size-1]) == 0){
return true;
}
return false;
}
};
字符串是若干字符组成的有限序列,也可以理解为是一个字符数组。
其实很多数组填充类的问题,都可以先预先给数组扩容带填充后的大小,然后在从后向前进行操作。
KMP的主要思想是当出现字符串不匹配时,可以知道一部分之前已经匹配的文本内容,可以利用这些信息避免从头再去做匹配了。
前缀:指不包含最后一个字符的所有以第一个字符开头的连续子串。
后缀:指不包含第一个字符的所有以最后一个字符结尾的连续子串。