字符串KMP模式匹配算法

字符串的模式匹配问题可以简单描述为，判断主串中是否包含子串，如果包含，要给出第1次出现子串的位置。比如，主串为believe，子串为lie，那么主串就包含子串，第1次出现的位置是在主串的第3个字符处。

朴素的模式匹配算法是进行两重循环，主串、子串分别从第1位开始，逐字比较。如果遇到不同字符，则子串重新回到第1位，与主串的第2位开始进行逐字比较，以此类推。记主串、子串长度分别为m和n，则该算法的复杂度为O(mn)。

朴素算法中，主串、子串都进行了回溯。而KMP算法对主串不回溯，仅对子串回溯，而且也不一定回溯到子串的开头。也就是说，如果比较到某一位不相同，主串的游标仍定格在这里，子串的游标回溯到前面某一位（不一定是开头），来重新与主串的该位进行对比。那么，子串究竟该回溯到哪一位，取决于子串自身的构造，我们把这个“哪一位”记为next。这部分代码如下：

//获得子串第1次在主串中出现的位置
int GetPosition(const char *p, const char *q)
{
	int i, j;
	int length_p, length_q;
	int next[MAX_SHORT];

	i = 0;
	j = 0;
	length_p = strlen(p);
	length_q = strlen(q);
	GetNextValue(q, next);
	while (i < length_p)
	{
		if (j == -1 || p[i] == q[j])
		{
			i++;
			j++;
		} 
		else
		{
			j = next[j];
		}
		if (j == length_q)
		{
			return (i - length_q + 1);
		}
	}
	return 0;
}

现在，关键就是求子串的next数组。用j来表示子串的某一位，j从0开始计，next数组的定义是：

若j = 0，则next[j] = -1。否则，next[j] = max { k | 0 < k < j-1, S0……Sk-1 = Sj-k……Sj-1 }；如果该集合为空集，则next[j] = 0。

中间那个等式的意思这样的，第j位之前有j个字符了，看这j个字符的头和尾最长能有多少位相同，那么k就是多少。举个例子，abcabx，j = 5时，前面的5个字符是abcab，头ab和尾ab是最长的相同点了，因此k = 2，也即next[5] = 2。

在程序实现上，我们用递归的方法。这样想，假如已经有next[j] = k，如果再有T[j] = T[k]，这里T为子串，那么对于j+1来说，前面的头和尾又多了一位相同，于是next[j+1] = next[j] + 1 = k + 1。如果运气不好，T[j] != T[k]，那么接下来T[j]该与哪一位比较呢？递归去想，当然是和next[k]比较了，因为next本来就是干这件事的嘛，所以这时就让k = next[k]，之后接着比较T[j]与T[k]就行了。

求next数组的代码如下：

//获得子串的next数组
void GetNextValue(const char *p, int *next)
{
	int j, k;
	int length_p;

	j = 0;
	k = -1;
	next[0] = -1;
	length_p = strlen(p);
	while (j < length_p - 1)
	{
		if (k == -1 || p[j] == p[k])
		{
			j++;
			k++;
			next[j] = k;
		} 
		else
		{
			k = next[k];
		}
	}
}

行了，到这里基本就大功告成了，KMP算法的复杂度降低到了O(m+n)。看看运行结果：

注意，无论输入主串还是子串，都不能有空白字符，否则只会读取空白之前的那一段。

完整代码如下：

#include <STDIO.H>
#include <STRING.H>

#define MAX_LONG 100
#define MAX_SHORT 20

int GetPosition(const char *, const char *);
void GetNextValue(const char *, int *);

int main(void)
{
	char long_string[MAX_LONG];
	char short_string[MAX_SHORT];
	int pos;

	printf("输入主串：");
	scanf("%s", long_string);
	printf("输入子串：");
	scanf("%s", short_string);

	pos = GetPosition(long_string, short_string);

	if (pos == 0)
	{
		printf("查找完毕，主串中不包含子串。\n");
	} 
	else
	{
		printf("查找完毕，主串中第1次出现子串是在第%d个字符处。\n", pos);
	}
	
	return 0;
}

//获得子串第1次在主串中出现的位置
int GetPosition(const char *p, const char *q)
{
	int i, j;
	int length_p, length_q;
	int next[MAX_SHORT];

	i = 0;
	j = 0;
	length_p = strlen(p);
	length_q = strlen(q);
	GetNextValue(q, next);
	while (i < length_p)
	{
		if (j == -1 || p[i] == q[j])
		{
			i++;
			j++;
		} 
		else
		{
			j = next[j];
		}
		if (j == length_q)
		{
			return (i - length_q + 1);
		}
	}
	return 0;
}

//获得子串的next数组
void GetNextValue(const char *p, int *next)
{
	int j, k;
	int length_p;

	j = 0;
	k = -1;
	next[0] = -1;
	length_p = strlen(p);
	while (j < length_p - 1)
	{
		if (k == -1 || p[j] == p[k])
		{
			j++;
			k++;
			next[j] = k;
		} 
		else
		{
			k = next[k];
		}
	}
}