KMP 超清晰的详解（附图）

Upd on 2023.5.14：重述本篇文章部分内容，使得文章更加易懂。

前言

在我们今天的学习之前，常见的字符串算法除了 STL 之外就是哈希。但哈希有一定的错误概率，如果想要 $100\%$ 正确，就要双哈希，非常麻烦。那么，有没有一些算法，保证正确性的同时还拥有优秀的复杂度呢？

这就是今天的主角：KMP 算法。

本文默认字符串下标从 $1$ 开始。

算法讲解

KMP 是由三位大佬：$\mathcal{D}.\mathcal{E}.\mathcal{K}nuth$，$\mathcal{J}.\mathcal{H}.\mathcal{M}orris$，$\mathcal{V}.\mathcal{R}.\mathcal{P}ratt$，取他们名字首字母，就是 $K,M,P$。

原理

KMP 常用于解决单串匹配问题。即给定两个字符串 $s$ 和 $t$，问 $t$ 在 $s$ 中的出现情况（出现次数或出现位置等）。

我们将 $s$ 称为文本串，$t$ 称为模式串。

一般的解法是对于 $s$ 的每个位置都放一个 $t$ 上去一位一位匹配。这种算法效率底下的原因是因为某些位置可能判断过很多次。

而 KMP 的优越性在于，每次匹配失败后，不会重头再来，而是根据之前匹配的“经验”跳到下一个可能可以成功匹配的地方，从而减少冗余信息的计算。

我们以下面的例子介绍：

现在文本串的第 $5$ 位失配（匹配失败）了。KMP 会将模式串对齐至文本串的第 $3$ 位。继续匹配，变成这样：

为什么他会跳到第 $3$ 位？

与很多人理解的不同，它跳到第 $3$ 位的原因是因为模式串本身的字符结构，而不是文本串。因为现在是第 $5$ 位失配，证明前 $4$ 位都已匹配成功。

而模式串的一二位与三四位是相等的，文本串的三四位又与模式串三四位是匹配的，所以直接挪到文本串第三位，可以保证一二位相等。

换言之，如果我们能知道 $t_{1\sim i}$ 的最后若干位与前面若干位相同，那么在 $i$ 失配之后就可以直接跳过这么多位，从而大大增加效率。

用公式表示，我们对每一个 $i$，求一个 $km{p}_i$，使得 $t_{1\sim km{p}_i}$ 和 $t_{i-km{p}_i+1\sim i}$ 这两段是相同的，即前后缀相同的长度。

但是这个方法不够完美。比如在 mmmmmmmmmmmmmmmmh 中查找 mmmmmms，你会发现每一次都是到最后一位才失配，又要跳回第一位重新匹配，比较恶心人。

所以我们要求的是最长长度而不是任意长度。

那么，问题是，如何求 $kmp$ 数组？

考虑使用一种类似递推的方式。对于一个位置 $i$，如果 $t_i=t_{km{p}_{i-1}+1}$，那么我们发现一定有 $km{p}_i=km{p}_{i-1}+1$，如图：

其实就是在 $km{p}_{i-1}$ 的基础上加上了上图中两个蓝色的部分。

那如果不相同呢？我们还要往前跳，那又要跳到哪里呢？

不能随便跳，因为 $t_i=t_{km{p}_{i-1}+1}$ 的前提是 $t_{i-1}=t_{km{p}_{i-1}}$。所以我们考虑再次将这个递推式进化，变成：$t_{i-1}=t_{km{p}_{i-1}}=t_{km{p}_{km{p}_{i-1}}}$。那我们就可以重复上述的过程，不停的判断是否相等，如果不相等就继续嵌套。

如图，匹配失败后，红色框往它的 $kmp$ 值走了。走完发现这回相等了，于是 $km{p}_i=km{p}_{km{p}_{i-1}}+1$，即蓝色部分。

这样的时间复杂度是对的，至于怎么分析，要用到均摊，作者比较菜，故省略。

那么边界是多少呢？显然 $km{p}_0=0$。问题是 $km{p}_1$ 是多少？按定义来说，前后缀长度相同的长度应该是 $1$ 呀！

但是这样就有问题了。比如有一个 $i$，它的 $kmp$ 跳着跳着来到了 $1$。此时应该比较的是 $t_i$ 和 $t_{km{p}_1+1}=t_2$。如果不相等，又跳回到 $km{p}_{km{p}_1}=km{p}_1=1$，你就会发现它出不来了。

有人说，加个特判不行吗？不好意思，不行。你并不知道你是不是第一次进 $km{p}_1$。如果你一到 $1$ 就 break 那将无法匹配第一位，从而导致 $km{p}_i$ 全部变成 $0$。

所以，为了方便，我们将 $km{p}_1=0$，这样一到 $0$ 我们就停手，可以保证能够正确地求出 $kmp$ 数组。

void init(){
	kmp[0] = kmp[1] = 0;
	for(int i=2;i<=m;i++){
		int j = kmp[i - 1];
		while(j > 0 && t[i] != t[j + 1])
			j = kmp[j];
		if(t[i] == t[j + 1])
			kmp[i] = j + 1;
	}
}

那么，现在就是用 $t$ 匹配 $s$ 了。其实这个过程也是相当相似的，只是我们把 $t$ 与 $t$ 自己匹配换成了 $t$ 与 $s$ 匹配，所以代码也很容易：

	int now = 0;//当前匹配到什么位置
	for(int i=1;i<=n;i++){
		while(now > 0 && s[i] != t[now + 1])
			now = kmp[now];
		if(s[i] == t[now + 1])
			++now;
		if(now == m)//匹配成功了
			printf("%d\n", i - m + 1);
	}

组合起来再输出 $kmp$ 数组就可以过掉 P3375 啦！