KMP算法详解 C++

KMP详解

KMP算法是基于BF算法山改进的字符串匹配算法，由D.E.Knuth，J.H.Morris和V.R.Pratt提出。在KMP之前需要先掌握BF算法。

---

BF算法

BF算法，即暴力匹配，每次匹配失败父串都要回溯到 i1+1 位置，i2回溯到头部，在进行下一次匹配。

最坏情况下，需要匹配 ( N * M )次。

代码示例：

int strStr(string haystack, string needle) {
        if(needle.size() == 0)
            return 0;
        if(haystack.size() == 0 || needle.size() > haystack.size())
            return -1;

        int i1 = 0;
        int i2 = 0;

        while(i1 < haystack.size())
        {
            if(haystack[i1] != needle[i2])
            {
                i1++;  //不匹配，继续向后寻找首匹配字符
            }
            else
            {
                int ii1 = i1; 
                int ii2 = i2;
                while(ii1 < haystack.size() && ii2 < needle.size() && haystack[ii1] == needle[ii2])
                {
                    ii1++;
                    ii2++;
                }

                if(ii2 == needle.size()) //当ii2 走到空，说明ii2为子串
                    return i1;

                i1++;
            }

            
        }

        return -1;
    }

---

KMP

首先，需要先给出一个概念 前后缀相等的最大长度 这里简化称为 maxfix 例如 aaaa 的 maxfix 就是aaa。

举例：

有了这个概念，我们要得知的是一个字符串，从每个位置开始，前面的前后缀相等的最大长度，不包括当前字符。

我们需要一个数组保存所有下标的maxfix ，这个数组就叫next数组，它保存着所有位置开始前面的前后缀相等的最大长度 next数组下标为 0 位置和下标为 1 位置都是固定的 -1 和 0, 它们的左边都不可能存在前后缀相等的最大长度。 这个next数组是针对子串，保存的是子串的信息。我们先假设已求出next数组，利用已求出的next数组进行KMP。

---

KMP过程

假设，此时正在匹配，i1 和 i2 向后走，当父串[i1] = x 子串[i2] = y，不相等，如果是BF算法，此时i1 回溯到i1 + 1 位置，i2回溯到开头，继续匹配。

KMP过程是这么做的。

maxfix可能存在交错情况，这里只举例无交错情况。（图中蓝框）

为什么可以这样跳过，图示x 前面的字符串和 y前面的字符串相等，最长后缀肯定对应相等，而最长前缀和最长后缀相等，必然相等。

还有一点，能这样跳跃比较的的前提 必须证明 i1 到 k 不可能求得 子串 在 父串 里。

---

证明过程：

假定 j 位置开始，可以匹配出子串 为 父串一部分。

那么一定有:

前提已经说过了，i1 和 i2 已经走到了不等处，前面的字符串必然相等，显而易见，sub1 等于 sub2 。

那么，如果k之前存在一个下标开始的字符串，匹配上了子串，那这至少说明，子串开始向后走 j 到 x 的距离，也就是sub3 ，这个sub3等于sub1 。sub3 又等于 sub2 。但是， 这可能吗？前面已经假定已经算出了next数组，我们知道子串上每个字符位置前的最大前后缀相等的最大长度。如果k 之前存在成功匹配位置。潜台词就是有一个更大的前后缀相等的最大长度 。（sub2、sub3为更大的maxfix）。只要能保证求出的next数组是正确的，就不可能出现，证明完成。

---

示例：

i2 回溯到 d 位置 ，相当于从a开始，往后匹配，是否包含下面这个子串。

---

举一个完整的例子：

y下标保存的 前后缀相等的最大长度 为7，往前回溯只要让 i2 = next[i2]
当i2回溯到0时，匹配串无法向后推了，i1向后移动。

---

KMP过程代码示例：

 int KMP(string haystack, string needle) {    
        if(needle.size() == 0)
            return 0;
        if(haystack.size() == 0 || haystack.size() < needle.size())
            return -1;

        //建立next数组    
        int* next = getNextArray(needle);

        int i1 = 0,i2 = 0;
        while(i1 < haystack.size() && i2 < needle.size())
        {
            //相等，i1 i2 一直走
            if(haystack[i1] == needle[i2])
            {
                i1++;
                i2++;
            }
            else if(next[i2] != -1) // 还可以写成 i2 != 0    还有前缀的情况下，i2向前跳
            {
                i2 = next[i2];
            }
            else{ //没有前缀，needle已经无法向右推了，只能让i1向后走
                i1++;
            }
        }

        delete[] next;
        //i2 == ne.size() 说明n是s的子串，i1- 子串的长度 就是开头
        return i2 == needle.size() ? i1 - i2 : -1;
    }

---

next数组

next数组中下标为0 和 1位置的值是固定的，下标 2 位置的maxfix可以通过0，1位置求得，下标3位置的maxfix可以通过下标 0，1，2求得。下标4 位置的maxfix可以通过下标 0，1，2，3求得。。。。。

那么下标为 i 位置的最大前后缀长度为

通过判断 i-1 位置字符是否和

不匹配情况

---

next数组代码示例：

    int* getNextArray(string& needle)
    {
        if(needle.size() == 1)
        {
            int* next = new int[1];
            next[0] = -1;
            return next;
        }

        //0位置-1 1位置0
        int* next = new int[needle.size()];
        next[0] = -1;
        next[1] = 0;
        
        int prev = 0; //prev下标的字符和 i-1 下标字符比较，  prev既代表比较的下标还代表当前的maxfix长度。
        int i = 2; //初始i= 2  0 和 1 位置比较是否相等。

        while(i < needle.size())
        {
            if(needle[i - 1] == needle[prev])
            {
                next[i++] = ++prev;
            }
            else if(next[prev] != -1)
            {
                prev= next[prev];
            }
            else 
            {
                next[i++] = 0;
            }

        }

        return next;
    }