kmp匹配算法介绍及实现

KMP匹配算法

最近在看程杰的《大话数据结构》一书，看到了第五章，这一章介绍了对串进行匹配的算法，包括朴素模式匹配算法和KMP模式匹配算法。对于KMP算法自己也是搞得有点晕乎了，在这里记录下，以后说不定彻底弄懂了就回来补上。

• KMP算法是由D.E.Knuth、J.H.Morris和V.R.Pratt三位前辈共同发表的一个模式匹配算法，该算法可以大大避免重复遍历的情况。

• 我们把要查找的字符串称为模式串pattern，相应的在某个字符串中进行查找是否包含模式串的称为文本串text，也称为主串。

• KMP算法的核心是前缀表，也称为next数组的计算，next数组里面存放的是模式串的最长前后缀的相似度。所谓前后缀是指模式串中的某个子串，而最长前缀是指：该子串第一个字符开始，不包含最后一个字符的串，而最长后缀是指：该子串不包含第一个字符的串。

例子

比如模式串为abcabcd，其前缀分别是：
a
ab
abc
abca
abcab
abcabc
abcabcd
这些前后缀的相同的最长前后缀分别是：
0
0
0
1---->a
2---->ab
3---->abc
0
所以next数组的值是{0, 0, 0, 1, 2, 3, 0} 。

代码实现

• 以上便是自己理解的部分，下面是实现代码：

  获取前缀表：   
     void get_prefix_table(const char *pPatternStr, int *next)
     {
          if(NULL == pPatternStr) return;
        	
        	int i = 1;
        	int j = 0;
        	int len = strlen(pPatternStr);
        	
        	if(len == 0) return;
        	
        	next[0] = 0; //规定是0
        	
        	while(i < len)
        	{
        		if(pPatternStr[j] == pPatternStr[i])
        		{
        			j++;
        			next[i] = j;
        			i++;
        		}
        		else
        		{
        			if(j > 0)//防止数组越界
        			{
        				j = next[j-1]; //回溯
        			}
        			else
        			{
        				next[i] = 0;  
        				i++; //移动到下一位继续
        			}
        		}
        	}
        	for(i=len-1; i>0; i--)//next数组往后移动一位,便于KMP算法匹配实现
        	{
        		next[i] = next[i-1];
        	}
        	next[0] = -1;
          }  
       
        /*
        KMP算法实现
        字符串匹配
        main_str: 主串
        sub_str: 子串
        pos: 从主串main_str的第pos位开始往后查找与子串sub_str相匹配的串
        return: 返回子串sub_str相匹配的第一个串的起始位置, 没有匹配则返回-1
        */
        int kmp_search(const char *main_str, const char *sub_str, int pos)
        {
        	if(pos<0 || !main_str || !sub_str) return -1;
        	
        	int i = pos;
        	int j = 0;
        	int main_len = strlen(main_str);
        	int sub_len = strlen(sub_str);
        	
        	if(pos>main_len || !sub_len || !main_len) return -1;//越界或者空字符串
        	
        	int *next = (int *)malloc(sizeof(int) * sub_len);
        	
        	get_prefix_table(sub_str, next);
        	
        	while(i<main_len && j<sub_len)
        	{		
        		if(j == sub_len-1 && main_str[i] == sub_str[j])
        		{
        			free(next);
        			return i-j;
        		}
        		if(main_str[i] == sub_str[j])
        		{
        			i++;
        			j++;
        		}
        		else
        		{
        			j = next[j];
        			if(-1 == j)
        			{
        				i++;
        				j++;
        			}
        		}
        	}
        	free(next);
        	return -1;
        }
  

• 最后附上一个视频讲解教程：
  http://www.bilibili.com/video/av26071816