串的模式匹配——KMP算法理解

模式匹配算法——KMP算法

如图，L为字符串，L1为已经匹配了的字符子串，红色部分表示L1的下一位出现不匹配。假如在已经匹配了的子串中从某个位置开始，出现了新的匹配，即这里的L2。那么下一次对字符串的匹配只需要从L2开始进行匹配就可以了（如果子串中出现新的匹配，它必然在L2中，L2代表这最大的新匹配），而不需要从L1首位置的下一位开始。

由观察可以发现，L2为L1的后缀，而L2又是新的匹配，说明它必然和L1的前一部分相同，即它也是L1的前缀。因此要定位下次重新匹配的位置，我们只需从找到L1前缀和后缀相同最长的部分的长度。
这里我们引进一个数组去记录字符子串的每一位作为终点时，前面的子串最长公共前后缀长度，即部分匹配值（Partial Match,PM)（如这里L1的最后一个元素，它的最长公共前后缀长度为L2的长度）。当在某个位置出现不匹配时，查找它前一位的PM值，通过将子串向后移动若干位，即可找到新的匹配起始位置。移动公式为：

移动位数 = 已匹配的字符数 - PM值
即 Move = （ j - 1) - PM [ j - 1 ]
如图中的例子，将子串向后移动(L1 - L2)位，即可与L2重叠。
对于子串‘abcac’,它的PM值如下表：

编号	1	2	3	4	5
S	a	b	c	a	c
next	0	0	0	1	0

KPM算法的改进

因为每次不匹配时都要去找前一个元素的PM值，很不方便，因此把每一个PM值向后移动一位。

Move = （ j - 1) - next [ j ]

编号	1	2	3	4	5
S	a	b	c	d	c
next	-1	0	0	0	1

当第一个元素不匹配时，只需向后移动一位，因此不需要计算子串移动的位数。

KPM算法再改进

在每次匹配时都要去计算移动的位数，而实际上在每一个位置需要移动的位数是已知的，我们可以提前算好。已知 j 是最后匹配的字符，它是子串的比较指针。每次不匹配时，只需要将 j 回退若干位，在该位置重新进行匹配。这里新的比较指针的位置为：

j = j - Move = j -（（ j - 1) - next [ j ] ）= next [ j ] + 1
为了公式更简洁，将next整体+1。
如下表：

编号	1	2	3	4	5
S	a	b	c	d	c
next	0	1	1	1	2

KMP算法的进一步优化

模式‘aaaab’在和主串‘aaabaaaab’进行匹配时（这里的next [ j ] 指的是PM值）

主串	a	a	a	b	a	a	a	a	b
模式	a	a	a	a	b
j	1	2	3	4	5
next [ j ]	0	1	2	3	4
nextval [ j ]	0	0	0	0	4

在j=4时出现不匹配，子串将向后移动 j - 1 - next [ j - 1 ] 位，即1位，此时第 j - 1位到达了 j 的位置与 b 进行匹配，但因为子串在该位的值与之前的相同，都是a，因此必然导致失配。
聪明的我已经看出了问题所在，也就是当子串后移 j - 1 - next [ j - 1 ] 位时，原先的第next [ j - 1 ] 位到达 j 位,如果原先的第next [ j - 1 ] 位的值与失配时的值一样，必然导致重复失配。重复失配后，我们又要将向后移动 j - 1 - next [ j - 1 ] 位，第二次的第next [ j - 1 ] 位到达 j 位。如此反复重复，直到最终next [ j - 1 ]位的值不等于 j 位的主串的值。
因此这里我们引入了一个新的数组nextval，提前记录重复匹配的终点，即最终的next。
按这个例子，在 j = 4 时发生失配，需要移动的个数不再是1，而是 j - 1 -nextval [ j - 1]，即3位。