KMP算法理解-参照labuladong博文重演

  KMP算法以前上课的时候听的真是云里雾里，似懂非懂，什么next数组可以从0开始，也有从-1开始的，回头叫我写代码肯定完犊子。最近在看labuladong算法笔记的动态规划系列，恰巧有一篇讲KMP，我反复看了几遍，终于能够当场复现代码了。大佬讲的非常清楚透彻，虽然思路不同以往，但这样来看的确简单了许多。先附上大佬的博文链接，建议阅读原文。下面只是做一个简单的介绍，来加深自己的印象。
  事先声明，pat表示模式串，txt表示待搜索的字串，M = pat.length,N = txt.length。
  KMP算法相比暴力查找是以空间换时间的策略。

	时间复杂度	空间复杂度
KMP算法	O(M+N)	O(M)
暴力算法	O(MN)	O(1)

  先来看一下KMP算法匹配的过程，外层循环对于待匹配的字串txt的指针i每次自加一次，模式串pat的指针j则被视为匹配的状态。这里算法把模式串pat的每个字符视为一种状态，状态0视为匹配的开始，状态1就表示匹配了模式串第一个字符，后面依次。当指针j变为M(pat.length)，也就是说整个模式串都被匹配了，则可以返回首字母的索引，否则未找到则返回-1。这里关键是这个指针j的状态是怎么转换的，(常规的用的next数组)作者用了一个二维数组dp[M][256]表示。这个dp是个M*256的二维数组，其定义很好理解，M代表多少种状态，256则是字符表的元素个数。dp[j][i] = val代表当前状态是j，遇到了待匹配子串txt中的字符i（ASCII码表每个字符都可以用整数表示）则转化为val状态。结合之前，就是说，遍历待匹配子串txt时候，指针i循环一遍，指针j则根据dp[j][txt[i]]来进行状态转移。（利用dp数组打了个表）
更为直观的状态转移图可以参照作者原文。
那么，问题的关键就是得到这个dp数组的值。首先我们明确几点：

1. dp[j][pat[j]]=j+1
2. dp[j][!pat[j]]=dp[X][!pat[j]]
3. X=dp[X][pat[j]]

  第一个表达式 表示，当前状态 j，遇到字符 pat[j] ,状态 +1，也就是说模式串 pat 的第 j+1 个字符匹配（字符串数组下标从0开始），变为下一个状态。
  第二个表达式则对应状态 j遇到的字符 txt[i] != pat[j] ,也就是第 j+1 个字符不匹配，则需要状态回退。这里作者 借用了一个影子状态 X，是在状态 j 之前并且已知的，所以通过影子状态 X 在遇到 字符 txt[i] 时转换的状态 来知道本次回退应该到达的状态位置。
  第三个表达式则是更新影子状态 X，也就是状态 X 遇到字符 pat[j] 转换的状态，对比 正式匹配的代码中：

j = dp[j][txt.charAt(i)];

这里状态 j 的转换是在待匹配字串txt中，找到模式串pat；类比 影子状态 X则是为了在模式串pat中找到 pat[1…end]。
  下面看一组打印结果，在代码中输出dp数组的值，以及影子状态X的值。假设模式串 pat = "ababaca"。

  这个影子状态X的值是不是很熟悉，我用一份常规的获取next数组的代码处理这个模式串，看看打印的next数组结果。

  没错，我们可以把影子状态X视为和状态j拥有最长的相同前缀，则获取dp数组的过程就相当于利用动态规划的思想（利用base case来得到之后的结果）根据next数组的值不断得到当前状态j遇到字符 txt[i] 后下一步应该转移的状态的打表流程。
  我们可以借鉴别人分享的经历，但最终万事要亲历亲为，才能转化为自己的力量。
，