串的模式匹配-KMP详解

前两个星期在数据结构上学习了KMP，一听说要学KMP就感觉好难，因为上学期在没学数据结构之前实验室有个学姐讲过KMP算法，听的真是云里雾里，不知道next数组到底是干啥的，下去自己也没有学习，所以在前两个星期学到KMP时，很认真的学，终于在老师快讲完这一章的时候听明白了，但感觉不是太熟练，当时也没有时间写博客整理一下思路，所以这就导致了这周一分享KMP时，思想一点就通，但是具体步骤还是理解的不是很好，这两天课多事多，下去仍旧没有细看，但是这周的专题有KMP，趁星期五，刚才花了两个小时彻底弄懂了它，原来只要静下心来学习，还是能理解的嘛，哈哈哈。借用了很多大神的讲解，添加一些自己的想法，好好的整理一下KMP算法的思想和实现过程。

       设有主串s和子串t，子串t的定位就是要在主串s中找到一个与子串t相等的子串。通常把主串s称为目标串，把子串t称为模式串，因此定位也称作模式匹配。

      模式匹配成功是指在目标串s中找到一个模式串t；不成功则指目标串s中不存在模式串t。 

模式匹配的应用非常广泛。例如，在文本编辑程序中，我们经常要查找某一特定词

在文本中出现的位置。显然，解此问题的有效算法能极大地提高文本编辑程序的响应

性能。模式匹配是一个较为复杂的串操作过程。迄今为止，人们对串的模式匹配提出了

许多思想和效率各不相同的计算算法。在分析KMP算法之前，我们先来了解一下BF算

法。（这样更能衬托出KMP的高效，哈哈）

一：Brute-Force算法

Brute-Force简称为BF算法，亦称简单匹配算法，其基本思路是:

      从目标串s=“s0s1…sn-1”的第一个字符开始和模式串t=“t0t1…tm-1”中的第一个字符比较，若相等，则继续逐个比较后续字符；否则从目标串s的第二个字符开始重新与模式串t的第一个字符进行比较。依次类推，若从模式串s的第i个字符开始，每个字符依次和目标串t中的对应字符相等，则匹配成功，该算法返回i（i是目标串中与模式串第一个字符匹配成功的位置）；否则，匹配失败，函数返回-1。

例如,设目标串s=“cddcdc”,模式串t=“cdc”。s的长度为n(n=6),t的长度为m(m=3)。用指针i指示目标串s的当前比较字符位置,用指针j指示模式串t的当前比较字符位置。BF模式匹配过程如下所示。 

第一次匹配：s=c d d c d c       i=2         失败

t =c d cj=2

第二次匹配：s=c d d c d c       i=1        失败

t = c d cj=0

第三次匹配： s= c d d c d c       i=2        失败

t =      c d c          j=0

第四次匹配： s= c d d c d c       i=5       成功

t =         c d c       j=2

int index(SqString s,SqString t)
{  int i=0,j=0,k;
   while (i<s.length && j<t.length) 
   {  if (s.data[i]==t.data[j])//继续匹配下一个字符
	 {  i++; j++;  }  //主串和子串依次匹配下一个字符
	 else          //主串、子串指针回溯重新开始下一次匹配
	 {  i=i-j+1; 	    //主串从下一个位置开始匹配
         j=0;           //子串从头开始匹配
      }
   }
   if (j>=t.length) 
        k=i-t.length; //返回匹配的第一个字符的下标
   else  
        k=-1;        	//模式匹配不成功
} 

这个算法简单，易于理解，但效率不高，主要原因是：主串指针i在若干个字符序列比较相等后，若有一个字符比较不相等，仍需回溯(即i=i-j+1)。

      该算法在最好情况下的时间复杂度为O(m)，即主串的前m个字符正好等于模式串的m个字符。在最坏情况下的时间复杂度为O(n*m)。 

理解该算法的关键点是：

      当第一次si≠tj时：主串要退回（即回溯）到i-j+1的位置，而模式串也要退回到第一个字符（即j=0的位置）。

 但是，我们知道当比较出现si≠tj时：应该有si-1=tj-1，…，si-j+1=t1， si-j=t0 ,即已经出现有“部分匹配”的结果。

我们能不能利用这些部分匹配信息，消除主串的回溯以提高算法的效率呢？

例：设有串s=“abacabab” ，t=“abab” 。则第一次匹配过程如下例所示。

 s=“a  b  a c  a  b a  b”          i=3

       || ||  ||  ≠                    匹配失败

 t=“a  b  a b”                         j=3

在i=3和j=3时，匹配失败。但重新开始第二次匹配时，不必从i=1 ，j=0开始。因为s1=t1，t0≠t1，必有s1≠t0，又因为s2=t2， t0=t2，所以必有s2=t0。由此可知，第二次匹配可以直接从i = 3 、j = 1开始。

下面我们就开始介绍KMP算法啦，注意啦，注意啦！！！

二：KMP算法

KMP算法是D.E.Knuth、J.H.Morris和V.R.Pratt共同提出的，简称KMP算法。该算法较BF算法有较大改进，主要是消除了主串指针的回溯，使算法效率有了某种程度的提高。 

每当一趟匹配过程出现字符不相等时，主串指示器不用回溯，而是利用已经得到的“部分匹配”结果，将模式串的指示器向右“滑动”尽可能远的一段距离后，继续进行比较。

例如,设目标串s=“BBC  ABCDAB  ABCDABCDABDE”,模式串t=“ABCDABD”。我们想知道目标串里是否包含有模式串。

1.

首先，字符串"BBC ABCDAB ABCDABCDABDE"的

第一个字符与搜索词"ABCDABD"的第一个字符，进

行比较。因为B与A不匹配，所以搜索词后移一位

2.

因为B与A不匹配，搜索词再往后移。

3.

就这样，直到字符串有一个字符，与搜索词的第一个

字符相同为止。

4.

接着比较字符串和搜索词的下一个字符，还是相同。

5.

直到字符串有一个字符，与搜索词对应的字符不相同

为止。

6.

这时，最自然的反应是，将搜索词整个后移一位，再

从头逐个比较。这样做虽然可行，但是效率很差，因

为你要把"搜索位置"移到已经比较过的位置，重比一

遍。

7.

一个基本事实是，当空格与D不匹配时，你其实知道

前面六个字符是"ABCDAB"。KMP算法的想法是，设

法利用这个已知信息，不要把"搜索位置"移回已经比

较过的位置，继续把它向后移，这样就提高了效率。

8.

9.

已知空格与D不匹配时，前面六个字符"ABCDAB"是

匹配的。查表可知，最后一个匹配字符B对应的"部分

匹配值"为2，因此按照下面的公式算出向后移动的位

数：

　　移动位数 = 已匹配的字符数 - 对应的部分匹配值

因为 6 - 2 等于4，所以将搜索词向后移动4位。

10.

因为空格与Ｃ不匹配，搜索词还要继续往后移。这

时，已匹配的字符数为2（"AB"），对应的"部分匹配

值"为0。所以，移动位数 = 2 - 0，结果为 2，于是将

搜索词向后移2位。

11.

因为空格与A不匹配，继续后移一位。

12.

逐位比较，直到发现C与D不匹配。于是，移动位数

 = 6 - 2，继续将搜索词向后移动4位。

13.

逐位比较，直到搜索词的最后一位，发现完全匹配，

于是搜索完成。如果还要继续搜索（即找出全部匹

配），移动位数 = 7 - 0，再将搜索词向后移动7位，

这里就不再重复了。

14.

"部分匹配值"就是"前缀"和"后缀"的最长的共有元素

的长度。以"ABCDABD"为例，

　　－　"A"的前缀和后缀都为空集，共有元素的长度为0；

　　－　"AB"的前缀为[A]，后缀为[B]，共有元素的长度为0；

　　－　"ABC"的前缀为[A, AB]，后缀为[BC, C]，共有元素的长度0；

　　－　"ABCD"的前缀为[A, AB, ABC]，后缀为[BCD, CD, D]，共有元素的长度为0；

　　－　"ABCDA"的前缀为[A, AB, ABC, ABCD]，后缀为[BCDA, CDA, DA, A]，共有元素为"A"，长度为1；

　　－　"ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA]，后缀为[BCDAB, CDAB, DAB, AB, B]，共有元素为"AB"，长度为2；

　　－　"ABCDABD"的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB]，后缀为[BCDABD, CDABD, DABD, ABD, BD, D]，共有元素的长度为0。

15.

"部分匹配"的实质是，有时候，字符串头部和尾部会

有重复。比如，"ABCDAB"之中有两个"AB"，那么它

的"部分匹配值"就是2（"AB"的长度）。搜索词移动

的时候，第一个"AB"向后移动4位（字符串长度-部分

匹配值），就可以来到第二个"AB"的位置。

经过上面的讲解，相信大家都应该很明白了吧，这是我借鉴大牛写的，链接：点击打开链接，感觉他写的很容易明白，那么我们来看代码实现部分吧！

/**这里先要说清楚几点，第一点就是next[i]是用来存前i个字符的相同的最大前缀和最大后缀的长
第二点就是我是以-1开头的，当next数组为-1的时候，说明没有匹配的，为0的时候有一个匹配的等等，
因为我每次的判断就是b[k+1]来判断的，第三点就是这个变量k，它是用来回溯用的。**/
void get_next(char b[],int blen,char next[])/// 求出模式串的next数组
///传模式串和模式串的长度,以及next数组
{
    next[0] = -1;///第一个因为没有比较，我们初始他为-1
    int k = -1;
    ///初始一个变量为-1，当字符串匹配到某一个不相等的时候，该变量用来记录next数组值，往前回溯
    for (int i = 1; i < blen; i++)
    {
        while (k > -1 && b[k + 1] != b[i])///如果匹配到某一个不相等的时候，开始回溯
        {
            k = next[k];///回到next数组中记录的位置重新匹配
        }
        if (b[k + 1] == b[i])///如果字符一样，继续向前匹配
        {
            k = k + 1;
        }
        next[i] = k;///将最大匹配的值赋给next数组
    }
}

int KMP(char a[],char b[],int alen,int blen)///KMP算法
///传入的参数是主串a，模式串b，主串a的长度，模式串b的长度
{
    get_next();///先的到模式串的next数组，上面已经实现过
    int k = -1;///k依然从-1开始
    for (int i = 0; i < n; i++)///将主串每个字符遍历一遍
    {
        while (k >-1&& b[k + 1] != a[i])///匹配到某一字符，突然不匹配了
        {
            k = next[k];///回溯
        }
        if (b[k + 1] == a[i])///如果匹配，继续向前
            k = k + 1;
        if (k == m-1)///如果匹配完模式串，则返回模式串在主串中匹配的初始位置
        {
            return (i-m+1);
        }
    }
    return -1;///如果没有在主串中找到与模式串匹配的，则返回-1
}

好啦，讲解就是介么多啦，宝宝们可以参考啦，有怀疑的地方尽管提出，有错的地方也望告诉我，好及时修改！