kmp算法（转载）

kmp算法（转载）

[ 2005-11-14 8:51:00 | By: 俊豪 ]

这两天抱佛脚抱到数据结构的串的模式匹配部分，居然让这个破KMP算法给卡得死死的，左看右看看不明白。印象以前学数据结构时可是有把它给弄透了啊！于是google、baidu狂搜一通，看了N个网页后还是没有弄明白。唉，脑子不好使了。最后好不容易下了个电子版的《严蔚敏：数据结构（C语言版）》，啃了半天总算弄明白了。这次吸取教训，把理解到的写下来。 其实KMP算法还是比较容易理解的，关键在于next(j)函数容易让人糊涂，只要把这个函数弄明白了，KMP算也就可以说是真正掌握了。 要说清楚KMP算法，可以从朴素的模式匹配算法说起。 朴素的模式匹配算法比较容易理解，其实现如下：（不得不题的是，2004年7月版的《软件设计师教程》中该算法的实现有误，460页倒数第三行的“i=1;”应该是“j=0;”才对。害我无端郁闷了好久） int Index(char s[], char p[], int pos) {  int i, j, slen, plen;  i = pos;  j = 0;  slen = strlen(s);  plen = strlen(p);  while((i < slen) && (j < plen))  {   if((s[i] == p[j]))   {    i++;    j++;   }   else   {    i = i-j+1;    j = 0; //如上所提，2004年7月版的《软件设计师教程》中该地方误为“i=1;”是不对的。该书中还有其它不少的错误之处，大家网上搜搜就知道。   }  }  if(j >= plen)  {   return (i-plen);  }  else  {   return -1;  } } 可见，在朴素的模式匹配算法中，当模式中的p[j]与主串中的s[i]不匹配时，需要把主串的指针回溯到i-j+1的地方从新用s[i-j+1]跟p[0]进行匹配比较。KMP算法的想法是，能不能不回溯主串的指针呢？这种想法基于如下事实的：p[j]!=s[i]前，p[0]~p[j-1]跟s[i-j]~s[i-1]是匹配的（这里j>0，也就是说在不匹配前已经有匹配的字符了。否则如果j=0,则主串指针肯定不用回溯，直接向前变成i+1再跟p[0]比较就是了） p[j]!=s[i]前，p[0]~p[j-1]跟s[i-j]~s[i-1]是匹配的，这说明了什么呢？这说明可以通过分析模式的p[0]~p[j-1]来分析s[i-j]~s[i-1]。如果模式中存在p[0]~p[k-1]=p[j-k]~p[j-1](共k个匹配的字符,且k是满足这个关系的最大值）,则可以知道s[i-k]~s[j-1]跟[0]~p[k-1]是匹配的，那么，s[i]只需要跟p[k]进行比较就行了。而这个k是跟主串无关的，只需要分析模式串就可以求出来（这就是普通的教材中next[j]=k这个假设的由来,普通教材中总喜欢假设这个k值已经有了，如果你逻辑思维强还没有什么，不然或多或少会把你卡在这的）。亦即next[j]=k。 如果上述的p[0]~p[k-1]=p[j-k]~p[j-1]串不存在会怎么样呢？这说明p[j]前的串中不存在p[0]...=...p[j-1]的情况，就连p[0]也不等于p[j-1],也就是说p[0]~p[j-1]中所有以p[j-1]为结尾的子串跟模式p都是失配的。基于上面p[0]~p[j-1]=s[i-j]~s[i-1]的事实，可以断定s[i-j]~s[i-1]中所有以s[i-1]结尾的子串跟模式p都是失配，这说明把主串的指针回溯到i-j+1～i-1都是没有必要的，既然没有必要回溯，而s[i]!=p[j]，则s[i只能跟p[0]进行比较匹配了。亦即next[j]=0。 特殊情况下，j=0，即s[i]!=p[0]，这时不用再用s[i]来跟p中的其它字符比较了，变成用s[i+1]跟p[0]进行比较。为了统一，可以让next[0]=-1。在下一轮的比较中，判断到j=-1的情况时，让i=i+1,j=j+1,自然就形成s[i+1]跟p[0]比较的效果了。 现在回过头来看教材上的next[j]的定义               |－ -1,    当 j = 0时     next[j] = |－ max{k | 0 < k < j 且 'p[0]...p[k-1]' = 'p[j-k+1]...p[j-1]' }               |－ 0,     其它情况               是不是很容易理解呢？ 时候再来看KMP的算法实现 int Index(char s[], char p[], int pos, int next[]) {  int i, j, slen, plen;  i = pos;  j = 0;  slen = strlen(s);  plen = strlen(p);  while((i < slen) && (j < plen))  {   if((j == -1) || (s[i] == p[j]))   {    i++;    j++;   }   else   {    j = next[j];   }  }  if(j >= plen)  {   return (i-plen);  }  else  {   return -1;  } } 应该不会有什么疑问了吧？ 现在剩下的就是GetNext怎么实现了。 根据上面的推导，知道next[0]=-1。 如果已经知道next[j]=k，那么说明p[0]~p[k-1]=p[j-k]~p[j-1]，现在next[j+1]应该是多少呢？ 若p[k]=p[j]，说明p[0]~p[k]=p[j-k]~p[j]成立，则有next[j+1]=k+1。 若p[k]!=p[j],即p[0]~p[k-1]!=p[j-k]~p[j-1]，从KMP算法的角度来看，这时应p[j]应该跟p[next[k]]进行比较。也就是k=next[k]，如此重复，由于next[k]<k，故最终必然是k=-1或p[k]=p[j]。如果是k=-1,则next[j+1]=0,否则next[j+1]=k+1，可以统一为next[j+1]=k+1。 下面就是GetNext函数的实现： void GetNext(char p[],int next[]) {  int i, j, slen;  slen = strlen(p);  i = 0;  j = -1;  next[0] = -1;  while(i < slen)  {   if((j == -1) || (p[i] == p[j]))   {    i++;    j++;    next[i] = j;   }   else   {    j = next[j];   }  } } 附加： ＃i nclude<stdio.h> #define max 100 typedef struct {char data[max+1]; int length; }String; int match_Bruce(String &S,String &T ) {int i=1,j=1; while(i<=S.length&&j<=T.length) { if(S.data==T.data) {i++;j++;} else {i=i-j+2;j=1;} } if(j>T.length)return i-T.length; else return 0; } int match_kmp(String &S,String &T,int next[]) {int i=1,j=1; while(i<=S.length&&j<=T.length) {if(j==0||S.data==T.data[j]){i++;j++;} else j=next[j]; } if(j>T.length)return i-T.length; else return 0; } void get_next(String &T,int next[]) {int i=1,j=0;next[1]=0; while(i<T.length) {if(j==0||T.data==T.data[j]){i++;j++;next=j;} else j=next[j]; } } void get_nextval(String &T,int nextval[]) {int i=1,j=0;nextval[1]=0; while(i<T.length) {if(j==0||T.data==T.data[j]) {i++;j++; if(T.data!=T.data[j])nextval=j; else nextval=nextval[j]; } else j=nextval[j]; } }

 

【一个免费送书的好网站，推荐给书虫们】