如果你是在电脑前看的这篇文章，请按下CTRL+F键。没错，它弹出了一个有趣的横条。你可以把你想要查找的内容输入到横条中，电脑就会帮你在整个页面中寻找你输入的内容。计算机是怎么帮你找到你想要找的内容的？我们来探讨这个问题。
如果现在给了我们两个字符串，第一个字符串为主串，第二个字符串为子串，我们需要判断子串是否是主串的一部分，怎么进行判断？从常规的思维出发，我们很容易想到，同时从主串和子串的第一个位置开始比较，如果相等，就比较它们的下一个位置，如果还相等，再比较它们的下一个位置，如果直到字串结束了它们都一一相等，那么就可以得出字串是主串的一部分的结论。如果某一个位置主串和字串对应不相等，就从主串的第下个位置开始与子串的第一个位置进行比较，重复前面的步骤。
我们可以把两个字符串想象成是两把尺子，上面是主串，下面是子串，最开始把两把尺子的开头对齐，一一比较两把尺子的内容是否相同，如果有不相同的内容，就把下面的尺子（字串）向右移一位，再比较下去。
至此，BF算法就闪亮登场了。BF可不是Boyfriend的意思，而是Brute-Force。没错，因为这个算法实在是无比的暴力。
int BF (char* s,char* t,int pos )
{
int i = pos, j = 0;//pos为开始从主串进行搜索的位置，一般置0即可
while (s[i+j] != ‘\0’&&t[j]!=‘\0')
if (s[i+j]== t[j])
j++;// 继续比较后一字符
else
{i++;j = 0;} // 重新开始新的一轮匹配
if(T[j]=='\0')
return i; //匹配成功，返回下标
else
return -1;//匹配失败，返回-1
}下面将待检测的子串称为模式串。
现在我们来看下面这个例子：
主串和模式串前面的5个位置都能一一匹配，直到第6个位置出现不匹配。如果按照BF算法来匹配，下一步模式串T将向右平移一位重新从第一位开始与主串的第二个位置开始比较。如果是你，让你来匹配这两个字符串，你会怎么做呢？
如果是人工地来匹配这两个式子，人眼的第一步操作也是这样从头一一扫描两个字符串，当扫描到第6个位置不匹配时，人不会傻乎乎的像BF算法那么做，而会在大脑里把把T移待S3的位置对齐进行比较。像下面这样子。
对不对？为什么人的大脑下一步会这样子移位呢？因为S中下一个与T开头位置a相同的元素在S3这里，所以S3之前的位置都不可能与T的第一个位置的元素匹配。这是人眼做出的判断。如果你认识到了人眼的这一步判断，那你也就理解了KMP算法的最最核心和本质的思想了。KMP是联合提出这个字符串模式匹配算法的三个人的名字首字母，第一个K代表的就是图灵奖历史上最年轻的获奖者高德纳。
KMP核心思想理解起来很简单，但是如何去实现这个思想却是个大问题。我们怎么让计算机带有人眼的功能呢？
有人会说，这不是很简单吗，从主串从左到右扫描，判断哪个位置和模式串的第一个位置相等不就好了？这当然是可以的，但问题是，一个网页中有成前上万条语句，当我们要匹配的主串数量特别大的时候，我们每次都要对主串进行这样的一次扫描，时间的开销是不可忽视的。既然这样，那模式串是唯一的，我们应该把研究的重点放在模式串上。
KMP算法的特点是充分的利用和分析了已匹配的字符串的信息。我们不妨看回这个式子：
在我们发现S5和T5不匹配之前，我们发现从S0到S4和T0到T4这之间两个字符串是一一对应相等的。前面我们说了，我们想要找到S中与T0元素相等的元素，那么我们现在锁定T0这个位置，如果T0等于Tx，（0<x<5)，那么，Tx=Sx，从而T0=Sx，我们就在S中找到了与T0相等的元素。在上面这个例子中，T0=T3，T3=S3，所以T0=S3，所以把T右移至S3的位置开始比较。也就实现了人眼的判断了。并且，我们还注意到，T0T1和T3T4是对称的（不是中心对称，即abc与cba不对称，abc与abc对称）。既然如此，T0T1=T3T4，T3T4=S3S4，所以T0T1=S3S4，所以当平移到以下的位置后：
不用浪费时间去比较S3S4与T0T1是否相等，直接开始判断S5和T2是否相等就可以了。如果你还不太明白，那我们通过一个更加形象的图示来说明：
左右两边的绿色代表对称的部分。下面进行移位：
移位后从红色部分开始比较：
通过刚才的讲述，我们发现，找到模式串中的这种对称关系至关重要，一旦找到了这种对称关系，可以直接利用一些连续的等式关系，找到新的对齐方式，而且在对齐了之后还能跳过一些字符的判断，从而节省时间。具体来说，拿上面这个例子做比方，T0T1和T3T4为对称关系，对称个数为2，那么，下一个匹配的位置就是T2（也就是c)与S5开始进行配对。也就是说：若对称的字符数为n，那么下一个配对的位置就是Tn与S失配的位置进行配对。根据以上的思想，我们已经可以写出KMP算法的大体代码了：
int KMP(char *s,char *p)//s为主串，p为模式串
{
int next[strlen(p)];
int i,j;
i=0;
j=0;
getNext(p,next); //得到模式串的next数组
while(i<strlen(s))
{
if(j==-1||s[i]==p[j])
{
i++;
j++;
}
else
j=next[j];
if(j==strlen(p))
return i-j;//返回匹配的初始位置
}
return -1;
}你一定注意到了那个next[]数组的存在，它决定了模式串在上一次匹配失败后的移动位置。前面我们已经分析了，模式串中的对称关系至关重要，而这个next[]数组恰恰就是用来反映这种对称关系的，且是来反映对称字符的个数的。具体的定义是这样的：next[j]代表着：
1）next[0]=-1;
2) next[j]=max(k):0<k<j P[0....K-1]=P[j-k,....j-1]
3) next[j]=0 其他情况(即没有对称的关系出现）
简单来说，next[]数组的意义就是失配位置之前的前缀和后缀的最长公有长度（也就是我之前说的，对称的长度）
”前缀“和”后缀“。前缀指除了最后一个字符以外，一个字符串的全部头部组合；后缀指除了第一个字符以外，一个字符串的全部尾部组合。下面用一张图来说明：
比方说下面这个模式串的next[]数组值如下：
P a b a b a
j 0 1 2 3 4
next -1 0 0 1 2
你可能会说了，第二条规定我能明白，是反映了对称的关系，那么第一条规定为什么next[0]=-1这个特别的数字？为什么要这么规定？先别着急，我在后面会解释。现在我们把重心放在第二条最重要的规矩上，然后我们把这个求next数组的函数写出来：设next[j]=k，由于已经给了next[0]的初值，那么我们这里用一种类似于数学归纳法的思想，即由第一个数字，递推出后面的数字。这里用了一种继承的思想。具体来说是这样的：
当前面的字符的前一个字符的对称程度为0时，只要将当前字符与字串第一个字符进行比较。因为如果前面是0，说明前面没有前后对称的序列如果多加了一个字符，要对称的话最多是和第一个字符对称。比方说上面的这个ababa的模式串，P[2]的next值为0，现在要判断P[3]的next值，只需拿P[2]与第一个字符a进行比较，我们发现它们相等，所以P[3]的next值就在P[2]=0的基础上加1，所以是1。依次类推，如果前面的next值是2，那么就拿前面的最后一个字符与模式串开头的第二个字符进行比较，如果相等，那么当前位置的next值就加1，所以为2。上面的P[4]的next值为2就是这样推出来的。
那么就这样一直递推下去了，现在问题来了，我们不可能一直这样递增下去，总有对称中止的时候，这时候该怎么办呢？
我们这样想，对称的递增关系中止了，说明对称的个数不会再增加了，那么对称程度肯定比前面的对称要小。那么怎么找到这个更小的对称呢？我们现在回过头来看我们之前提到的，当主串和匹配串进行匹配时，如果在某个位置失配了，我们经过分析后得出的结论是j=next[j]（如果不明白请回头看前面的分析），现在我们要找字串（匹配串）中的对称序列，那么是不是相当于是匹配串自己与自己进行自我匹配呢？这个时候，匹配串既是主串也是子串，它自己与自己进行匹配，来找对称的序列。
设next[j]=k，由上面的思想，我们可以写出得到next数组的函数了：
void getNext(char *p,int *next)//p为模式串
{
int j,k;
next[0]=-1;
j=0;
k=-1;
while(j<strlen(p)-1)//注意这里的next数组的大小要-1，因为第一位的next值已经确定了是-1
{
if(k==-1||p[j]==p[k]) //匹配的情况下,p[j]==p[k]，p[k]表示前缀，p[j]表示后缀
{
j++;
k++;
next[j]=k;//相当于是next[j+1]=k+1,k是前一个位置的next值
}
else //p[j]!=p[k]
k=next[k]; //进行自我匹配
}
}至此我们可以说我们已经彻底实现了KMP算法了。但是这个算法可以有优化的地方。
我们来看下面这个模式串匹配的例子：
两个字符串进行匹配，发现c和b失配了，于是执行k=next[k[，即k=1,所以来到下一步：
我们发现c和b又失配了，为什么呢，因为当p[j]!=s[i]时，下次就进行p[ next [ j ] ]与s[i]的匹配，如果p[j]=p[ next [ j ] ]，那下一步的匹配肯定是失败的，所以我们要防止p[j]=p[ next [ j ] ]情况的出现。如果出现了怎么办？出现了就继续递归下去。由这个思想，我们得到了改进的next数组求法：
void getNext(char *p,int *next)//p为模式串
{
int j,k;
next[0]=-1;
j=0;
k=-1;
while(j<strlen(p)-1)
{
if(k==-1||p[j]==p[k]) //匹配的情况下,p[j]==p[k]
{
j++;
k++;
if (p[j] != p[k])
next[j] = k;
else
//因为不能出现p[j] = p[ next[j]]，所以当出现时需要继续递归，k = next[k]
next[j] = next[k];
}
else //p[j]!=p[k]
k=next[k];
}
}http://www.cnblogs.com/dolphin0520/archive/2011/08/24/2151846.html
http://blog.csdn.net/Oneil_Sally/article/details/3440784
http://www.ruanyifeng.com/blog/2013/05/Knuth%E2%80%93Morris%E2%80%93Pratt_algorithm.html
http://blog.csdn.net/v_july_v/article/details/7041827
感谢以上文章给我带来的思维的启发以及形象的图片素材的提供。
扫一扫
737
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
