在编程中经常有用到字符串匹配的地方,最平凡的解法,自然是利用双重循环,解法时间复杂度O(nm),而KMP算法则只需要O(n)的运行和O(m)的预处理时间。
平凡的算法当主串和子串匹配到一半失败时,两个指针都必须回溯,而KMP算法则巧妙地消除了主串指针的回溯。
假设要在主串“ACACACBAD"中”匹配子串“ACAA”:
当比较到第四个字符时失败:
ACACACAAD 主串mstr
ACAA 子串pstr
此时平凡的算法应该将两个指针回溯,比较主串的第二个字母C和子串的第一个字母A,如下所示:
ACACACAAD
ACAA
显然是不相等的,而主串的第二个字母C已经与子串的第二个字母C匹配过了,所以只要拿到子串ACAA,我们就可以根据子串计算出那些位移是不符合要求的,那些位移是可能 符合要求的。
换言之,可以通过对子串的预处理,得到所有合法位移的可能,并保存在一个数组中!
这点并不难以理解,不过预处理得到这个数组的方法却有些难以理解。
假设上面这个数组是m,我们来看ACAA这个子串,
1、显而易见的是m[0]=0,这个数组的下标等于已经匹配成功的个数,成功0个,自然接下来子串的第1个字符(下标为0)和主串的第2个字符(下标为1)来比较。
2、先考察m[3],成功3个,第4个失败,本来应该子串向前位移1个位置,像上面哪样比较mstr[1]和pstr[0],我们注意到主串和子串之前的字符都是ACA,显然mstr[1]=C和 pstr[0]=A是不相等的,而位移2个位置是有可能的,因为pstr[0]pstr[1] != pstr[1]pstr[2]但pstr[0] == pstr[2],因此m[3]=1.
3、考察m[1],由于之前匹配的长度等于0,且str[0]!=str[1]所以m[1]=0;
4、考察m[2],由于之前匹配的长度等于0,且str[0]==str[2],所以m[2]=1;
C++代码如下:
int* Prefix(const char* str,int length,int *m)
{
int counts=0;
m[0]=0;
for(int i=1;i<length;i++)
{
while(counts>0&&str[counts]!=str[i])
counts=m[counts];
if(str[counts]==str[i])
counts++;
m[i]=counts;
}
return m;
}
void kmp(const char* mStr,int mLength,const char* pStr,int pLength)
{
int matchCounts=0;
int *m=new int[pLength];
Prefix(pStr,pLength,m);
for(int i=0;i<mLength;i++)
{
while(matchCounts>0&&pStr[matchCounts]!=mStr[i])
matchCounts=m[matchCounts];
if(pStr[matchCounts]==mStr[i])
matchCounts++;
if(matchCounts==pLength)
{
cout<<"模式串出现在主串,开始于下标:"<<i-pLength+1<<endl;
matchCounts=m[matchCounts-1];
}
}
}