KMP算法总结

LeetCode题目

• 28.找出字符串中第一个匹配项的下标

简介

• 要在文本串 text 中找出第一次出现模式串 pattern 的下标，即文本查找，可以用KMP算法
• 先看一个例子：

   text: aabaabaafa
pattern: aabaaf

• 如果要进行暴力匹配，可以用双指针法

class Solution:
    def strStr(self, text: str, pattern: str) -> int:
        """
        双指针法, t_idx=0, p_idx=0
        - 当 t_idx<len(text), 且 p_idx<len(pattern)
            - 若 text[t_idx] 不等于 pattern[p_idx]
                - t_idx-=p_idx, p_idx=0 (从头开始匹配)
            - 否则
                - p_idx+=1 (从下一位继续匹配)
            - t_idx+=1
        - 若 p_idx==len(pattern)
            - 返回 t_idx-len(pattern)
        - 返回 -1
        """
        t_idx = 0
        p_idx = 0
        while t_idx < len(text) and p_idx < len(pattern):
            if text[t_idx] != pattern[p_idx]:
                t_idx -= p_idx
                p_idx = 0
            else:
                p_idx += 1

            t_idx += 1

        if len(pattern) == p_idx:
            return t_idx - len(pattern)

        return -1

• 暴力匹配的最坏时间复杂度是 O(n*m)，主要问题是在于每次text[t_idx] 不等于 pattern[p_idx]（失配）时，text 和 pattern 都要从头开始匹配
• KMP算法可以在每次失配时，利用前面已经匹配好的部分，不必从头开始

KMP算法

• 观察例子，从头开始，当匹配到 pattern 的最后一位时，f!=b，但是 f 前面的 aa 被匹配上，所以下一次可以从 b 开始匹配

   text: aabaacaabaafa
pattern: aabaaf

• text 也不需要回退，直接从第 6 位的 c 开始，和 pattern 的第 3 位 b 继续匹配
• 上述操作中，在匹配 pattern 的最后一位时，发生失配，因为前面已经匹配的 aabaa，以 aa 开头，aa 结尾，所以从第 3 位 b 继续匹配，如果还是失配，继续查看前面已经匹配的 aa，以 a 开头，a 结尾，所以从第 2 位 a 继续匹配，如果还是失配，则只能从头开始
• 如何决定当前位失配后，应该从第几位继续匹配呢，其实这是在寻找已匹配部分的“最大相等前后缀”，如果得到 pattern 每一位的最大相等前后缀（即从头开始，到该位前一位的子串的最大相等前后缀），则可以在每次失配后，快速决定从哪一位继续匹配

最大相等前后缀

• 字符串的前缀：不包括最后一位的连续子串，记为 prefix
• 字符串的后缀：不包括第一位的连续子串，记为 suffix
• 将最大相等前后缀保存为一个数组，记为 next
• 对 pattern 的每一位
  • a: 显然 next[0]=0
  • aa: 以 a 开头，以 a 结尾，next[1]=1
  • aab: 以 a 开头，以 b 结尾，不存在相等前后缀，next[2]=0
  • aaba: 最大相等前后缀为 a，next[3]=1
  • aabaa: 最大相等前后缀为 aa，next[4]=2
  • aabaaf: 不存在相等前后缀，next[5]=0
• 接下来可以利用 next 数组和双指针法，再做一次

class Solution:
    def strStr(self, text: str, pattern: str) -> int:
        """
        KMP 算法
        - 先计算前缀表 next
        双指针法, t_idx=0, p_idx=0
        - 当 t_idx<len(text), 且 p_idx<len(pattern)
            - 当 p_idx>0, 且 text[t_idx]!=pattern[p_idx]
                - p_idx=next[p_idx-1]
            - 若 text[t_idx]==pattern[p_idx]
                - p_idx+=1
            - t_idx+=1
        - 若 p_idx==len(pattern)
            - 返回 t_idx-len(pattern)
        - 返回 -1
        """
        next_ = self.get_next(pattern)
        t_idx = 0
        p_idx = 0
        while t_idx < len(text) and p_idx < len(pattern):
            while p_idx > 0 and text[t_idx] != pattern[p_idx]:
                p_idx = next_[p_idx - 1]

            if text[t_idx] == pattern[p_idx]:
                p_idx += 1

            t_idx += 1

        if len(pattern) == p_idx:
            return t_idx - len(pattern)

        return -1

• next 数组的计算，类似自己对自己进行 KMP

def get_next(self, pattern):
    """
    类似自己对自己进行 KMP
    """
    next_ = [0]
    j = next_[0]
    for i in range(1, len(pattern)):
        while j > 0 and pattern[i] != pattern[j]:
            j = next_[j - 1]

        if pattern[i] == pattern[j]:
            j += 1

        next_.append(j)

    return next_