【图解法】字符串匹配之KMP算法（画图多少有点累）

一、暴力搜索法

假设目标匹配字符串为蓝色所示的字符串，源字符串为黄色所示的字符串。

暴力搜索的流程图：

示例代码：

public class ViolenceMatch {
    public static void main(String[] args) {
        String str1 = "BBC ABCDAB ABCDABCDABDE";
        String str2 = "ABCDABD";
        int index = violenceMatch(str1, str2);
        System.out.println("str2第一次出现的位置为：" + index);
    }

    //暴力匹配算法
    public static int violenceMatch(String str1, String str2) {
        char[] s1 = str1.toCharArray();
        char[] s2 = str2.toCharArray();

        int s1Len = s1.length;
        int s2Len = s2.length;

        int i = 0;
        int j = 0;
        while (i < s1Len && j<s2Len) {
            if (s1[i] == s2[j]) {
                i++;
                j++;
            } else {
                i = i - (j - 1);
                j = 0;
            }
        }
        if (j == s2Len) {
            return i - j;
        } else return -1;
    }
}

二、KMP算法

假设目标匹配字符串为蓝色所示的字符串，源字符串为黄色所示的字符串。

1、计算源字符串的前缀表

• 首先得出该字符串所有的前缀

  

• 然后，根据得到的各个前缀，观察每个前缀子字符串，得出最长前后缀的公共字符数量。比如，abab的前缀ab，后缀ab是最长的，数量为2

  

• 最终得出前缀表，并对前缀表进行优化。索引为0的元素设置为-1，并将最后一个位置的元素舍去，其他位置的元素依次后移

  

2、使用KMP思想进行匹配

• 首先，和暴力搜索算法一样，对每一个字符进行匹配

  

• 结果，到了第四个字符开始，就出现了匹配不上的情形。按照暴力搜索的算法来看，就要往后整体移动一个单位，但是按照KMP算法来讲，以上图出现匹配不上的位置为例，当前位置对应的字符为b，此时前缀表中对应的元素为1，那么就要将pattern字符串中索引为1的位置，移动到未匹配到的字符的位置

  

  

  好处就是能保证前面的字符已经是完整匹配上的，不需要重复匹配了。

• 继续进行匹配，如果不行就按照上面一个步骤的方法进行移动

  

  

  

• 再匹配，再移动进行判断

  

  

• 目前出现了这种稍微特殊一点的情形，当前未匹配到的字符所对应的前缀表中的元素值为-1。遇到这种情况的话，将源字符串pattern直接右移一个位置即可，将-1索引的位置对准当前未匹配到的字符的位置。

  

  

• 在此进行匹配，发现匹配完全正确

  

• 在第一次匹配完成之后，后面还会不会有第二次匹配的可能呢？所以需要继续匹配。

  

  

• 移动之后在进行判断，不行，就没有必要再比较了，因为已经到了target字符串的末尾了。

本示例对于KMP算法相比于暴力搜索算法的改良并不是非常明显。

可以拿Target：aaaaaaaab，Pattern：aaaab进行举例尝试。

三、KMP算法相关思路及代码

• 首先，计算pattern字符串的前缀表

  

• 根据计算并移位，得出最后的前缀表

  

• 观察第一个步骤得出的前缀表的元素值。比如，ABABCA这个前缀所对应的前缀表元素值为1，而它后面的那个前缀ABABCAB，所对应的前缀表元素值为2。其实，需要比较当前新增的这个字符，与ABABCA这个前缀所对应的前缀表元素值所对应的索引字符进行匹配，如果相同就将公共前后缀加1。如图所示：

  

  

• 但是，如果遇到那种后面的比较的字母不相同的呢？如下图所示：
  

• 显然，上面的字符串对应的公共前后缀为ABA ,而下面的那个字符串对应的公共前后缀为A。这种情况下，上面的这个字符串所对应的len为3，意味着前3个字符和后三个字符是相同的。咱们不能一个个的正着匹配，但是咱们可以斜着匹配啊。如下图所示：

  

• 代码示例：

  public class KMPAlgorithm {
      public static void main(String[] args) {
  		String str1 = "ABABABABCABAAB";
          String str2 = "ABABCABAA";
          int index = kmp_search(str1, str2);
          System.out.println(index);
      }
  
      //获取kmp前缀表
      public static int[] prefix_table(String dest){
          int[] next = new int[dest.length()];
          next[0] = 0;
          int len = 0;
          int i = 1;
          while (i< dest.length()){
              if (dest.charAt(i)==dest.charAt(len)){
                  len++;
                  next[i] = len;
                  i++;
              }
              else {
                  if (len>0){
                      len = next[len-1];
                  }
                  else {
                      //此时len肯定为0了
                      next[i] = len;
                      i++;
                  }
              }
          }
          return next;
      }
      //将前缀表整体右移一位
      public static void move_prefix_table(int[] next){
          int length = next.length;
          for (int i = length-1; i >0 ; i--) {
              next[i] = next[i-1];
          }
          next[0] = -1;
      }
  
      //kmp算法
      public static int kmp_search(String source,String dest){
          int n = dest.length();//n表示要匹配字符串的长度，用j表示（短的）
          int m = source.length();//m表示被匹配字符串的长度，用i表示（长的）
          //得到前缀数组
          int[] prefix_table = prefix_table(dest);
          move_prefix_table(prefix_table);
          int i = 0,j = 0;
          while (i < m){
              //在此输出结果
              if(j==n-1&&source.charAt(i)== dest.charAt(j)){
                  return i-j;
              }
              if (source.charAt(i)==dest.charAt(j)){
                  i++;
                  j++;
              }
              else {
                  j = prefix_table[j];
                  if(j==-1){
                      i++;
                      j++;
                  }
              }
          }
          return -1;
      }
  }
  

  

本人表达能力和业务水平有限，望读者海涵。