KMP入门和简单运用

前言

这是一个咕了将近半年的文章，并不需要什么前置知识，只需要看的懂一些数学表达式就好了。

符号约定

• $|S|$表示字符串$S$的长度。
• $S[l...r]$表示由第$l$个到$r$个字符组成的$S$的子串，位置由$1$开始。
• $\mathrm{S}\mathrm{u}\mathrm{f}(S)$表示字符串$S$的所有后缀构成的集合，$\mathrm{S}\mathrm{u}{\mathrm{f}}^{\prime }(S)$表示除去自身的所有后缀构成的集合, $\mathrm{S}\mathrm{u}\mathrm{f}(S,l)$表示$S$长度为$l$的后缀。
• $\mathrm{P}\mathrm{r}\mathrm{e}(S),\mathrm{P}\mathrm{r}{\mathrm{e}}^{\prime }(S),\mathrm{P}\mathrm{r}\mathrm{e}(S,l)$同理。

讲解

$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$

用$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}(S)$表示字符串$S$相同前缀后缀构成的集合（这里用他们的长度记录）。用形式化的表示就是：
B o r d e r ( S ) = { l ∣ 0 ≤ l < ∣ S ∣ , P r e ( S , l ) = S u f ( S , l ) } \mathrm{Border}(S)=\{l|0 \leq l < |S|, \mathrm{Pre}(S, l)=\mathrm{Suf}(S, l)\} Border(S)={l∣0≤l<∣S∣,Pre(S,l)=Suf(S,l)}
对于$l\in \mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}(S)$，我们称$\mathrm{P}\mathrm{r}\mathrm{e}(S,l)$或$\mathrm{S}\mathrm{u}\mathrm{f}(S,l)$为$S$的$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$，可以发现，空串是所有串的$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$。

可以发现一个简单的性质：
$$\forall l\in \mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}(S),\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}(\mathrm{P}\mathrm{r}\mathrm{e}(S,l))=\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}(\mathrm{S}\mathrm{u}\mathrm{f}(S,l))\subset \mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}(S)$$
这个比较显然，用通俗语言概括就是我的$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$的$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$是我的$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$。

用$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(S)$表示最长$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$，形式化就是(很蠢）：
f a i l ( S ) = P r e ( S , max ⁡ l ∈ B o r d e r ( S ) { l } ) \mathrm{fail}(S)=\mathrm{Pre} \left( S, \max_{l\in \mathrm{Border}(S)} \{l\} \right) fail(S)=Pre(S,l∈Border(S)max​{l})
接着找一下规律：
$$\begin{array}{rl}\left|\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(S)\right|& \in \mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}(S)\\ \left|\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(S))\right|& \in \mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}(S)\\ \left|\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(S)))\right|& \in \mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}(S)\\ ...& \end{array}$$
那么可以发现，存在
$$\left|{\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}}^i(S)\right|\in \mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}(S)$$
那么我们能否通过$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(S)$找到所有的$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$呢，答案是可行的，至于证明，用反证法搞一搞就好了，没什么难的。

求解$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}$

容易想到$O(n^2)$的做法，由于太简单就不贴出来了，因为我们需要$O(n)$的。

首先可以发现，假设我们求出了字符串$S$中长度为$1...n$的所有前缀的$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(\mathrm{P}\mathrm{r}\mathrm{e}(S,i))$，那么很明显，$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(\mathrm{P}\mathrm{r}\mathrm{e}(S,i+1))$最多只会增加$1$，否则就是不断缩小了，而具体怎么缩小，本来需要查看$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}(S_i)$中所有的值，看看是否有能够拓展的，但是按照我们先前得到的性质，只需要往回找到一个$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(\mathrm{P}\mathrm{r}\mathrm{e}(S,j))$（设为$t$），满足$S_{t+1}=S_{i+1}$或者$j=0$即可。

容易想到代码实现(这里的$S$变成了$T$):

n = strlen(T + 1), fail[1] = 0;
for (int i = 2, j = 0; i <= n; i++) {
    while(j && T[i] != T[j + 1]) j = fail[j];
    if (T[i] == T[j + 1]) j++;
    fail[i] = j;
}

求匹配

现在我们对模式串$T$求出了$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}$，现在要用$T$来匹配$S$，那么我们可以使用类似的代码进行匹配：

m = strlen(S + 1);
for (int i = 1, j = 0; i <= m; i++) {
        while(j && (S[i] != T[j + 1] || j == n)) j = fail[j];
        if (S[i] == T[j + 1]) j++;
        f[i] = j; // 如果f[i]==n 则表示S[i-n+1...i]=T
    }

$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}\mathrm{T}\mathrm{r}\mathrm{e}\mathrm{e}$

对于一个字符串$S$的所有前缀，我们都计算出了他们的$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}$。现在我们转换一下定义$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(i)$表示$\mathrm{P}\mathrm{r}\mathrm{e}(S,i)$的最长$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$。容易想到构建一颗$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}$树，其中儿子指向父亲的边可以表示为$i⟶\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(i)$，显然根据这个定义，一个点到跟的路径上的所有点（不包括自己）都是这个点所代表的前缀的$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$，且他们的长度随着深度的减小而减小。那么可以发现，在这颗树上，两个点的LCA就是这两个点所代表的前缀的最长公共$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$。

例题

Power Strings

求一个字符串由多少个重复的子串连接而成，也就是求循环节的循环次数。

例如 ababab 由三个 ab 连接而成，abcd 由一个 abcd 连接而成。

容易想到使用$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}$的奇怪性质，假设$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(n)\le \lfloor \frac{n}{2}\rfloor$，那么我们画一个图:

因为$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$的性质，可以得到：

就这样不停地用$\mathrm{P}\mathrm{r}\mathrm{e}(S,n-\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(n))$填充$S$，假如剩下了一节长度小于$n-\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(n)$的，那么就一定无解。

若恰好可以填满，那么我们可以证明，$\mathrm{P}\mathrm{r}\mathrm{e}(S,n-\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(n))$一定是$S$最小的循环节。

那么差不多可以得到问题的答案啦：
$$ans=\{\begin{array}{ll}\frac{n}{n-\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(n)}& (n-\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(n))|n\\ 1& otherwise\end{array}$$

[NOI2014]动物园

给定$N$个字符串，对于每一个字符串，算出它每一个前缀$\mathrm{P}\mathrm{r}\mathrm{e}(S,i)$不超过该前缀一半的$\mathrm{B}\mathrm{o}\mathrm{r}\mathrm{d}\mathrm{e}\mathrm{r}$的数量，称为$\mathrm{n}\mathrm{u}\mathrm{m}(i)$。你需要将每一个前缀的$\mathrm{n}\mathrm{u}\mathrm{m}(i)+1$乘起来，作为字符串$S$的答案。答案对$10^9+7$取模。

我们只需要将$\mathrm{n}\mathrm{u}\mathrm{m}(i)$都求出来就好了。

很显然，$\mathrm{n}\mathrm{u}\mathrm{m}(i)$一定是$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}(i)$在$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}\mathrm{T}\mathrm{r}\mathrm{e}\mathrm{e}$上的一个祖先，那么最暴力的方法就是对于每一个前缀，暴力地找符合条件的点。

但是数组开不下，而且很容易$TLE$,那么就需要$O(n)$的方法了。

首先在求$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}$的时候，顺道求出$i$在$\mathrm{f}\mathrm{a}\mathrm{i}\mathrm{l}\mathrm{T}\mathrm{r}\mathrm{e}\mathrm{e}$上到根路径上的节点个数（包括$i$自身），这里设为$cn{t}_i$。那么显然，$\mathrm{n}\mathrm{u}\mathrm{m}(i)$就是到根路径上的某个$cn{t}_j$。接着我们可以发现，$\mathrm{n}\mathrm{u}\mathrm{m}(i)$每右移一位的时候，至多增加$1$，也就是说，我们可以使用类似匹配文本串的方式，加一个小判断，进而求出$j$。

for (int i = 2, j = 0; i <= n; i++) {
    while (j && str[i] != str[j+1]) j = fail[j];
    if (str[i] == str[j+1]) j++;
    if ((j<<1) > i) j = fail[j]; // j至多增加1,也就是说至多跳到i/2+1
    ans = ans * (cnt[j] + 1) % MOD;         
}