Knuth-Morris-Pratt算法(简称KMP)
是最常用的字符串匹配算法之一。它以三个发明者命名,起头的那个K就是著名科学家Donald Knuth。
-
部分匹配值
-
公式:移动位数 = 已匹配的字符数 - 匹配最后一位对应的部分匹配值
-
针对搜索词,算出一张《部分匹配表》(Partial Match Table)
- 字符串:ABCDABD;
- 前缀:A,AB,ABC,ABCD,ABCDA,ABCDAB,ABCDAB;
- 后缀:BCDABD,CDABD,DABD,ABD,BD,D;
- 部分匹配值就是前缀和后缀的最长共有元素的长度;
-
字符串是从第一个字母开始累加,一个一个算的
- "A"的前缀和后缀都为空集,共有元素的长度为0;
- "AB"的前缀为[A],后缀为[B],共有元素的长度为0;
- "ABC"的前缀为[A, AB],后缀为[BC, C],共有元素的长度0;
- "ABCD"的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共有元素的长度为0;
- “ABCDA"的前缀为[A, AB, ABC, ABCD],后缀为[BCDA, CDA, DA, A],共有元素为"A”,长度为1;
- “ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA],后缀为[BCDAB, CDAB, DAB, AB, B],共有元素为"AB”,长度为2;
- "ABCDABD"的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB],后缀为[BCDABD, CDABD, DABD, ABD, BD, D],共有元素的长度为0。
-
实质:有时候,字符串头部和尾部会有重复。比如,“ABCDAB"之中有两个"AB”,那么它的"部分匹配值"就是2("AB"的长度)。搜索词移动的时候,第一个"AB"向后移动4位(字符串长度-部分匹配值),就可以来到第二个"AB"的位置。