字符串搜索算法：暴力搜索，KMP

前言废话

   最近脑子有点昏昏沉沉，喝点那种红枣泡的白酒居然神奇的好了一些，感觉很舒服。看来喝少量的酒可以让人更清醒，长期喝可能有养生的效果？ 写道这里去百度了下，发现红枣还真有养生效果。对于长期坐在电脑旁的人，不止眼睛，其实整个身体状况就注定不会很好，平时还是要注意养生。虽然现在整个行业很卷又是互联网的寒冬，但还是尽量抽出一点时间出去走走运动运动，这样人更精神做事效率也会更高。前段时间有个大佬左耳朵才40多岁就心梗去世了，应该是平时没注意自己身体或者没有精力管自己的身体健康问题？从某种程度上来说，程序员这个职业已经是一种高危职业了，有中年失业危机以及伴随的中年死亡危机。。
  虽然这行各种危机，但是单纯的写代码还是能够从中获得乐趣，这算是代码给人的一点福利吧。

暴力搜索

  废话说完回到正题，说到字符串搜索，最简单直接的大家都能想到的一种:暴力搜索。但是这种搜索算法大家都知道它的效率是比较低的，时间复杂度O(M * N)。

暴力搜索过程，如下图：

代码：

    public boolean searchStr(String text,String p){
        if(text == null || text.equals("")|| p == null||p.equals("") )return false;
        int i = 0,j = 0;
        while (i <text.length()) {
            if(text.charAt(i) == p.charAt(j)){
                if(j == p.length()-1){
                    System.out.println("找到了："+text.substring(i-j,i+1));
                    return true;
                }
                j++;
                i++;
            }else{
                i= i-j+1;
                j=0;
            }
        }
        return false;
    }

  从上面的动态图可以看出来，暴力搜索做了很多重复搜索的工作。还是以动态图的数据为例：

  字符串匹配了：edc三个字符最后一个没有匹配上。又要从已经搜索过的字符串中再重新比对，这就导致了在文本搜索的过程中存在大量的重复搜索过程。如果在一个大型文本中搜索特定的字符串，用这个算法来做搜索那就是一个灾难了。

KMP算法

  上面提到暴力搜索算法效率低的原因是，要重复搜索已经搜索过的字符。那有没有一种算法可以解决这个问题呢？KMP算法就是解决这个问题的一种方法。KMP算法搜索文本的指针只会一直向前不会回退，这就解决了暴力搜索时指针回退造成的重复搜索问题。

  在kmp算法遇到字符串没有被完全匹配时，要求k指针回到正确的位置，而指向文本的指针i保持不变。然后继续比较p[k]与text[i]的值。

  问题：如何找到模式串P匹配失败之后 指针K应该回到哪个位置上呢？

  在这个例子中abab匹配了，那应该如何移动呢？看上图，就是找到p【abab】与text【abab】最长能匹配多少。这里其实就是找字串【abab】的最长公共前后缀。至于为什么要找这个后面会举例说明；先简单说下什么是前缀，后缀。

  以abcab为例：

• 前缀：a , ab ,abc ,abca.这些都是abcab的前缀。有一个共同点：必须有第一个字符，并且不能包含最后一个字符。

• 后缀：b,ab,cab,bcab.都是abcab的后缀。后缀特点：必须包含最后一个字符，并且不能有第一个字符。

• 最长公共前后缀：就是找出前后缀中相同字符串，在这些相同的串中找到最长的那个。

  举一个例子：

  在这个例子中，text[4] != p[4],因此指向p的指针要回退。现在假设指向p的指针可以回退到下标为3的位置，那么它必须满足p[0,2] = text[1,3]，只有这部分相同才能继续往后面比较。

  在kmp算法中要解决的问题是指向文本text的指针不能回退，因此只能回退指向p的指针，让p[0，3]的前缀字符串去匹配text[0,3]的后缀字符串。而p[0,3] = text[0,3];因此text[0,3]的后缀就等于p[0,3]的后缀； 其实就是求p[0,3]的公共前后缀。

  上面那段话比较绕，是理解kmp算法的关键点之一。再明白了这个点之后，剩余的部分就比较容易了。

  对于任意字符串p来说，与文本匹配时，可能会匹配上任意个字符。可能匹配：0，1，2，3。。。[p.leng()]个。如果匹配了n个字符那么就要计算p[0,n]的最长公共前后缀。

  举个例子：p = ababc，那么要计算的字符有：a,ab,aba,abab要分别将这几个字符串的最长公共前后缀计算出来。其中 ：a只有一个字符不满足前缀，后缀的定义，因此没有公共前后缀。

  

    public int[] next(String p){
        int[] next = new int[p.length()];
        if(p.length() <2)return next;
        int i = 1,k =0;
        while (i < p.length()) {
            if(p.charAt(i) == p.charAt(k)){
                k++;
                next[i++] = k;
            }else {
                if(k ==0)i++;
                else k=0;
            }
        }
        return next;
    }

    public boolean kmp(String text,String p){
        int[] next = next(p);
        int k = 0;
        int searchCount = 0;
        for(int i = 0;i <text.length(); ){
            searchCount++;
            if(text.charAt(i) == p.charAt(k)){
                if(k == p.length()-1){
                    System.out.println("kmp搜索次数："+searchCount);
                    return true;
                }
                k++;
                i++;
            }else{
                if(k!= 0)
                     k = next[k-1];
                else
                    i++;
            }
        }
        System.out.println("kmp搜索次数："+searchCount);
        return false;
    }

  求next数组有点技巧，但是不太好用语言来描述，我当时是手动画图来理解next应该怎样生成。想了很久也没有想出一个通俗易懂的方式来表达，可能最好的方式就是画图理解吧。至于kmp的主体搜索过程就很简单了，和暴力搜索过程差不多，不过不用回退文本指针i，并且k指针，也是直接用next数组可以得到。