KMP算法详解:
KMP算法之所以叫做KMP算法是因为这个算法是由三个人共同提出来的,就取三个人名字的首字母作为该算法的名字。其实KMP算法与BF算法的区别就在于KMP算法巧妙的消除了指针i的回溯问题,只需确定下次匹配j的位置即可,使得问题的复杂度由O(mn)下降到O(m+n)。
在KMP算法中,为了确定在匹配不成功时,下次匹配时j的位置,引入了next[]数组,next[j]的值表示P[0...j-1]中最长后缀的长度等于相同字符序列的前缀。
对于next[]数组的定义如下:
1) next[j]=-1 j=0
2) next[j]=max k:0<k<j P[0...k-1]=P[j-k,j-1]
3) next[j]=0 其他
如:
P a b a b a
j 0 1 2 3 4
next -1 0 0 1 2
即next[j]=k>0时,表示P[0...k-1]=P[j-k,j-1]
因此KMP算法的思想就是:在匹配过程称,若发生不匹配的情况,如果next[j]>=0,则目标串的指针i不变,将模式串的指针j移动到next[j]的位置继续进行匹配;若next[j]=-1,则将i右移1位,并将j置0,继续进行比较。
代码实现如下:
- int KMPMatch(char *s,char *p)
- {
- int next[100];
- int i , j;
- i = 0;
- j = 0;
- getNext(p , next);
- while(i < strlen(s))
- {
- if(j == -1 || s[i] == p[j])
- {
- i++;
- j++;
- }
- else
- {
- j = next[j]; //消除了指针i的回溯
- }
- if(j == strlen(p))
- return i - strlen(p);
- }
- return -1;
- }
1、按照递推的思想:
根据定义next[0]=-1,假设next[j]=k, 即P[0...k-1]==P[j-k,j-1]
1)若P[j]==P[k],则有P[0..k]==P[j-k,j],很显然,next[j+1]=next[j]+1=k+1;
2)若P[j]!=P[k],则可以把其看做模式匹配的问题,即匹配失败的时候,k值如何移动,显然k=next[k]。
因此可以这样去实现:
- void getNext(char *p,int *next)
- {
- int j,k;
- next[0] = -1;
- j = 0;
- k = -1;
- while(j < strlen(p) - 1)
- {
- if(k == -1 || p[j] == p[k]) //匹配的情况下,p[j]==p[k]
- {
- j++;
- k++;
- next[j] = k;
- }
- else //p[j]!=p[k]
- k = next[k];
- }
- }
- void getNext(char *p,int *next)
- {
- int i , j , temp;
- for(i = 0 ; i < strlen(p) ; ++i)
- {
- if(i == 0)
- {
- next[i] = -1; //next[0]=-1
- }
- else if(i == 1)
- {
- next[i] = 0; //next[1]=0
- }
- else
- {
- temp = i - 1;
- for(j = temp ; j > 0 ; --j)
- {
- if( equals(p , i , j) )
- {
- next[i] = j; //找到最大的k值
- break;
- }
- }
- if(j == 0)
- next[i] = 0;
- }
- }
- }
- bool equals(char *p,int i,int j) //判断p[0...j-1]与p[i-j...i-1]是否相等
- {
- int k = 0;
- int s = i - j;
- for( ; k <= j - 1 && s <= i - 1 ; k++ , s++)
- {
- if(p[k] != p[s])
- return false;
- }
- return true;
- }
给定一个字符串,问最多是多少个相同子串不重叠连接构成。
KMP的next数组应用。这里主要是如何判断是否有这样的子串,和子串的个数。
若为abababa,显然除其本身外,没有子串满足条件。而分析其next数组,next[7] = 5,next[5] = 3,next[3] = 1,即str[2..7]可由ba子串连接构成,那怎么否定这样的情况呢?很简单,若该子串满足条件,则len%sublen必为0。sunlen可由上面的分析得到为len-next[len]。
因为子串是首尾相接,len/sublen即为substr的个数。
若L%(L-next[L])==0,n = L/(L-next[L]),else n = 1
- #include<iostream>
- #include<cstdio>
- using namespace std;
- char pattern[1000002];
- int next[1000002];
- /*
- kmp算法,需要首先求出模式串的next函数值
- next[j] = k,说明 p0pk-1 == pj-kpj-1,也就是说k为其前面相等串的长度
- */
- void get_nextval(const char* pattern)
- {
- int i=0,j=-1;
- next[0]= -1;
- while(pattern[i] != '\0')
- {
- if(j== -1 || pattern[i]== pattern[j] ) //pattern[i]表示后缀的单个字符,pattern[j]表示前缀的单个字符
- {
- ++i;
- ++j;
- if(pattern[i] != pattern[j])
- next[i]=j;
- else
- next[i]=next[j];
- }
- else
- j=next[j]; //若j值不相同,则j值回溯
- }
- }//get_nextval
- int main(void)
- {
- int len;
- while(scanf("%s",pattern)!=EOF)
- {
- if(pattern[0]=='.')
- break;
- len=strlen(pattern);
- get_nextval(pattern);
- if(len%(len-next[len])==0)
- printf("%d\n",len/(len-next[len]));
- else
- printf("1\n");
- }
- return 0;
- }
http://poj.org/problem?id=1961
大意:
定义字符串A,若A最多由n个相同字串s连接而成,则A=s^n,如"aaa" = "a"^3,"abab" = "ab"^2
"ababa" = "ababa"^1
给出一个字符串A,求该字符串的所有前缀中有多少个前缀SA= s^n(n>1)
输出符合条件的前缀长度及其对应的n
如aaa
前缀aa的长度为2,由2个'a'组成
前缀aaa的长度为3,由3个"a"组成
分析:KMP
若某一长度L的前缀符合上诉条件,则
1.next[L]!=0(next[L]=0时字串为原串,不符合条件)
2.L%(L-next[L])==0(此时字串的长度为L/next[L])
对于2:有str[0]....str[next[L]-1]=str[L-next[L]-1]...str[L-1]
=》str[L-next[L]-1] = str[L-next[L]-1+L-next[L]-1] = str[2*(L-next[L]-1)];
假设S = L-next[L]-1;则有str[0]=str[s]=str[2*s]=str[3*s]...str[k*s],对于所有i%s==0,均有s[i]=s[0]
同理,str[1]=str[s+1]=str[2*s+1]....
str[j]=str[s+j]=str[2*s+j]....
综上,若L%S==0,则可得L为str[0]...str[s-1]的相同字串组成,
总长度为L,其中字串长度SL = s-0+1=L-next[L],循环次数为L/SL
故对于所有大于1的前缀,只要其符合上述条件,即为答案之一
- #include<iostream>
- #include<cstdio>
- #include<cstring>
- using namespace std;
- char pattern[1000002];
- int next[1000002];
- /*
- kmp算法,需要首先求出模式串的next函数值
- next[j] = k,说明 p0pk-1 == pj-kpj-1,也就是说k为其前面相等串的长度
- */
- void get_nextval(const char* pattern)
- {
- int i=0,j=-1;
- next[0]= -1;
- while(pattern[i] != '\0')
- {
- if(j== -1 || pattern[i]== pattern[j] )
- {
- ++i;
- ++j;
- next[i]=j;
- }
- else
- j=next[j];
- }
- }//get_nextval
- int main(void)
- {
- int i,len,n,j=1;
- while(scanf("%d",&n)!=EOF)
- {
- if(!n)
- break;
- scanf("%s",pattern);
- len=strlen(pattern);
- get_nextval(pattern);
- printf("Test case #%d\n",j++);
- for(i=2;i<=len;i++)
- {
- if(i%(i-next[i])==0 && i/(i-next[i])>1)
- printf("%d %d\n",i,i/(i-next[i]));
- }
- printf("\n");
- }
- return 0;
- }
http://poj.org/problem?id=2752
大意:
给出一个字符串A,求A有多少个前缀同时也是后缀,从小到大输出这些前缀的长度。
分析:KMP
对于长度为len的字符串,由next的定义知:
A[0]A[1]...A[next[len]-1]=A[len-next[len]]...A[len-1]此时A[0]A[1]...A[next[len]-1]为一个符合条件的前缀
有A[0]A[1]....A[next[next[len]]-1] = A[len-next[next[len] - next[next[len]]]...A[next[len]-1],故A[0]A[1]....A[next[next[len]]-1]也是一个符合条件的前缀
故从len=>next[len]=>next[next[len]] ....=>直到某个next[]为0均为合法答案,注意当首位单词相同时,也为答案。
- #include<iostream>
- #include<cstdio>
- #include<cstring>
- #include<vector>
- using namespace std;
- char pattern[400002];
- int next[400002];
- /*
- kmp算法,需要首先求出模式串的next函数值
- next[j] = k,说明 p0pk-1 == pj-kpj-1,也就是说k为其前面相等串的长度
- */
- void get_nextval(const char* pattern)
- {
- int i=0,j=-1;
- next[0]= -1;
- while(pattern[i] != '\0')
- {
- if(j== -1 || pattern[i]== pattern[j] )
- {
- ++i;
- ++j;
- next[i]=j;
- }
- else
- j=next[j];
- }
- }//get_nextval
- int main(void)
- {
- int i,len,n;
- vector<int>ans;
- while(scanf("%s",pattern)!=EOF)
- {
- ans.clear();
- len=strlen(pattern);
- get_nextval(pattern);
- n=len;
- while(n)
- {
- ans.push_back(n);
- n=next[n];
- }
- if(pattern[0]==pattern[n-1]) //首部、尾部字符相同
- ans.push_back(1);
- i=ans.size()-1;
- for(;i>0;i--)
- printf("%d ",ans[i]);
- printf("%d\n",ans[0]);
- }
- return 0;
- }