KMP算法学习笔记

伍叁壹_

已于 2022-03-17 13:09:30 修改

阅读量255

点赞数 1

分类专栏：算法字符串文章标签：算法字符串

于 2022-02-12 16:32:26 首次发布

本文链接：https://blog.csdn.net/ez_gsn/article/details/122898529

版权

算法同时被 2 个专栏收录

15 篇文章 0 订阅

订阅专栏

字符串

3 篇文章 0 订阅

订阅专栏

~~怎么突然从图论跳到字符串了。。。~~

UPDATE 2021 - 08 - 23

KMP 练习题：

P3435 [POI2006]OKR-Periods of Words

P3426 [POI2005]SZA-Template

题解博客：P3426 [POI2005]SZA-Template （题记）

P4391 [BOI2009]Radio Transmission 无线传输

P2375 [NOI2014] 动物园

定义

KMP 算法是用来处理字符串匹配问题的。

~~话说这个算法名还是提出它的三个人的姓首字母拼成的。。。~~

基本问题：

给你两个字符串，需要你回答，B 串是否是 A 串的子串。

我们称 A 串为母（主）串，用来匹配的 B 串为模式串。

暴力的时间复杂度是 $O (n m)$ ，但是 KMP 的时间复杂度是 $O (n)$ （假设 $\leq n$ ）。

代码很短，但是思路较为复杂。

算法流程

先来模拟一下暴力的流程：

用两个指针分别指向母串和模式串，按位比较，

如果失配（即 $a [i]! = b [j]$ ），

那么我们的 i 回到刚才起始位加一的地方，j 回到 1（重新再匹配一次）。

这样很明显会超时，那么我们就来优化重新匹配所需的时间（在已失配的情况下）。

ps：接下来所有字符串默认下标从 1 开始，写代码时直接 scanf("%s", a + 1); （a 为 char 类型的）即可。

KMP 的主要思想就是：

失配后 j（指向模式串的指针）不回到 1，而是回到某个位置，

使得能少匹配很多不必要的字符。

我们不对 i（指向母串的指针）做改变，只对 j 的指向位置进行优化。

因此，不论失配与否，i 都加一，跳到母串的下一个字符（即我们接下来的操作都是针对模式串的）。

那 j 要怎么跳才能优化次数呢？

先给出一个模式串：

a b c d a b d。

假若我们之前和母串都匹配成功，直到我们匹配到第七个字符——d。

注意：

j 此时是指向 6 的，我们每次匹配都是对 $j + 1$ 进行匹配，

也就是每次指向将要匹配的字符——这样若失配了，我们就可以直接跳到 $kmp_j$ （ $j + 1$ 失配后指向的下标）。

言归正传，我们在匹配到第七个时失配了：

暴力：j 重新指向 1；
KMP：j 指向 3。

~~暴力不说了，~~ KMP 为什么要指向 3？

若前 1 到 6 个都匹配成功了，我们要重新开始匹配了，

可以看见， $b_j = b_{2}$ 且 $b_{j-1} = b_{1}$ （ $\gets 6$ 、 $\gets 7$ ）,

我们就抽象地想象把模式串整体移位，让 1 对准 $j - 1$ ，

后面依次和母串对齐，继续匹配。

这样做，可以发现，我们倒数二三位既然已经匹配成功了，

那么我们就不需要再次匹配，接下来让 c 和 $a_{i}$ 匹配即可。

这样就可以保证，a 串不需要重复匹配，每次移动 j 即可。

通过上述举例推论，发现：

每次若 $j + 1$ 失配了，我们就跳到除去 $j + 1$ 位最长相同的前缀后缀的长度加一的位置。

（若前缀后缀相同，即不用再匹配前缀了，直接匹配不同的即可。）

举个例子（下标从 1 开始）：

模式串：a b a a b a c；

kmp 数组：0，0，1，1，2，3，0。

代码实现

kmp 数组

kmp 数组存储每次 $j + 1$ 失配后要跳到哪里（包含 j 的最长前后缀长度）。

求 kmp 的过程就是模式串自己和自己匹配的过程。

这个的过程就和上述的 KMP 算法过程相同了。

（模式串下标从 1 开始。）

第一位不需要寻找 kmp 值，我们循环从 2 到 lenb——每次都是计算 i 的 kmp 值。

一样地，我们有一个下标 j 指向“模式串”（此时母串和模式串都是 b 串）。

然后每次当 $j + 1$ 失配后，直接跳到 $kmp_j$ 即可，

后面匹配还是拿 $j + 1$ 匹配。

最后如果匹配成功，即 $kmp_{i+1} \gets ++j$ 。

代码：

	for (int i = 2, j = 0; i <= lenb; i++)
	{
		while (j and b[i] != b[j + 1]) j = kmp[j];
		if (b[i] == b[j + 1]) j++;
		kmp[i] = j;
	}

求模式串于母串的位置

和求 kmp 数组相似，它是拿母串和模式串匹配（上述的是模式串自我匹配）。

唯一需要注意的是：

从第 1 位匹配到第 lena 位；
若匹配成功，记得 j 需要回到 $kmp_j$ ，继续匹配（具体因题目要求而定）。

代码：

	int j = 0;
	for (int i = 1; i <= lena; i++)
	{
		while (j and b[j + 1] != a[i]) j = kmp[j];
		if (b[j + 1] == a[i]) j++;
		if (j == lenb)
		{
			printf ("%d\n", i - lenb + 1);
			j = kmp[j];
		}
	}

总体来说，KMP 的思维难度确实较大，

但是可以通过多刷 KMP 的题，找找关于 kmp 数组的感觉。

P3375 【模板】KMP字符串匹配

代码：

#include<bits/stdc++.h>
using namespace std;

const int maxn = 1000010;
int kmp[maxn];
int lena, lenb;
char a[maxn], b[maxn];

int main ()
{
	scanf ("%s %s", a + 1, b + 1);
	lena = strlen (a + 1), lenb = strlen (b + 1);
	for (int i = 2, j = 0; i <= lenb; i++)
	{
		while (j and b[i] != b[j + 1]) j = kmp[j];
		if (b[i] == b[j + 1]) j++;
		kmp[i] = j;
	}
	int j = 0;
	for (int i = 1; i <= lena; i++)
	{
		while (j and b[j + 1] != a[i]) j = kmp[j];
		if (b[j + 1] == a[i]) j++;
		if (j == lenb)
		{
			printf ("%d\n", i - lenb + 1);
			j = kmp[j];
		}
	}
	for (int i = 1; i <= lenb; i++) printf ("%d ", kmp[i]);
	return 0;
}