poj 3461 (kmp算法详细解释)

题目链接

kmp算法已经学过好多次了，但每一次都会忘记，因此打算在这里借着这一道模板题记录下自己对kmp算法的理解

kmp算法的核心思想可以理解为：利用目标串自身的信息，来减少匹配次数提高效率

1. next数组的引入
   next数组就是用来帮助利用目标串自身的信息的。我们这里定义next数组表示的是字符串的最长公共前后缀长度。那么对于字符串ABABABAC来说，求得其next数组就如下所示

模式串	A	B	A	B	A	B	A	C
下标	0	1	2	3	4	5	6	7
next数组	0	0	1	2	3	4	5	0

相信通过手工求next数组大家都能够理解，难点在于理解代码求next数组。

2. 求解next数组代码分析

void getnext(char s[],int next[])
{
    //求next数组的关键要利用目标串的信息
    int len = strlen(s);
    next[0]=0;                    
    for(int i=1,k=0;i<len;i++)
    {
        while(k>0 && s[k]!=s[i])  //利用已经匹配好的信息
            k=next[k-1];
            //当前k是0~i-1的字符串最长前后缀长度。
            //等价于  k=next[next[i-1]-1]

        if(s[k]==s[i])
            k++;
        next[i]=k;//得到第i个元素的最长公共前后缀长度
    }
}

#我们来分析一下为什么这样可以计算next数组的值。我觉得最关键的是：
我们来模拟一下当i等于7的时候,此时k应该为5，我们将s[7]与s[5]进行比较，发现不相等，那么s[7]接下来该与谁比较呢？
对任何i，进入这步该比较的下标是 next[next[i-1]-1],而next[i-1]=k,所以新比较的下标应该是 k=next[k-1],如果k为0就不能再往前跳，跳出循环进行比较，相等为1，不等为0。
因此s[7]与s[next[4]] 即s[3]比较，
#因为下标到6时，子串有最长公共前后缀ABABA,如果s[7]=B=s[k]=s[5],那么显然next[7]=6 但是不等。这个最长公共前后缀ABABA的最长公共前后缀为3，若s[7]==s[3],则可以保证s[0-4]为这个串的最大公共前后缀。

3. kmp算法主要代码

 for(int i=0;i<mainl;i++){
        while(j>0 && mainstring[i]!=substring[j]){
            j=nexts[j-1]; //while循环很关键。保证主串的下标不变，利用目标串已经匹配好的数据
        }
        if(mainstring[i]==substring[j])
            j++;
        if(j==subl){
            j=nexts[j-1];
            ans++;
            }
        }

使用已匹配部分的子串的特征来减少移动量
主串M为ABABABCCCC，目标串T为ABABC
M[4]!=T[4],由于已经匹配的ABAB的next值为2，下一步直接比较M[4]和T[2]就好了，就相当于T向右移动了两次。

4. 全部代码

#include <iostream>
#include <string>
#include <algorithm>
#include <cstring>
#include <stdio.h>
using namespace std;
const int maxn=10005;
const int maxx=1000005;
int nexts[maxn];
char mainstring[maxx],substring[maxn];
void getnext(char s[],int next[])
{
    //求next数组的关键要利用目标程的信息
    int len = strlen(s);
    next[0]=0;                    //我这里next 定义从0开始
    for(int i=1,k=0;i<len;i++)
    {
        while(k>0 && s[k]!=s[i])  //利用已经匹配好的信息
            k=next[k-1];
            //当前k是0~i-1的字符串最长前后缀长度。
            //等价于  k=next[next[i-1]-1]

        if(s[k]==s[i])
            k++;
        next[i]=k;
    }
}

int main() {
    int n;
    scanf("%d",&n);
    while(n--) {
        memset(nexts,0,sizeof(nexts));
        scanf("%s%s",substring,mainstring);

        getnext(substring,nexts);
        int ans=0;
        int j=0;
        int mainl=strlen(mainstring),subl=strlen(substring);
        for(int i=0;i<mainl;i++){
        while(j>0 && mainstring[i]!=substring[j]){
            j=nexts[j-1]; //while循环很关键。保证主串的下标不变，利用目标串已经匹配好的数据
        }
        if(mainstring[i]==substring[j])
            j++;
        if(j==subl){
            j=nexts[j-1];
            ans++;
            }
        }
     printf("%d\n",ans);

    }
    return 0;
}

5.后话
其实比较普遍的方法是将next[0]=-1,next[n]定义为0-n-1这部分子串的最大公共前缀和。刚开始我是觉得next[0]好理解一些，总体上来说其实算法的思路都一样的。