字符串模式匹配算法：KMP

在讲KMP之前，我们先看看粗暴的字符串匹配算法。

比方说在原串abacbcabababbcbc中找模式串abababb。

其实就是从原串的第一个元素开始一个个对应比较，但凡发现了不匹配，就回头来从原串中第二个元素开始重复前面比较过程。

KMP

这种算法看起来很简单，但是效率却不高，于是有人在想，能不能减少比较次数，于是这个被称为改进的模式匹配算法出来了。

为了让大家不放弃，先不列出公式，用图形来概述下。

如果已知下图中原串与模式串中前4位（绿色部分）相同，那么直接可以比较第5个元素。

再看另一种场景，同样的道理：

也就是说，只要我们可以确定原串中待比较的元素S前面的元素与模式串中待比较元素P前面的元素相同，则直接比较S与P就可以了。

所以核心问题是：如何跳过已知相同的元素比较。

模式串的分析

下面我们单独来分析模式串。

下图表示模式串中01组成的串与34组成串相同，现在我们要比较第5个元素。

如果原串与上面的模式串中0到4个元素已经通过比较，只有第5个不一样。

那么下次比较时我们就可以直接把原串中不通过的元素（红色）直接与模式串中的元素2进行比较，从而跳过了0和1（虚线部分）。

为什么可以这样？

因为由0到4个元素通过比较可知：
A = P[3], B = P[4]

而模式串中P[0] = P[3],P[1] = P[4]。
所以A = P[0] , B = P[1] 。

同理，下图中7比较失败后我们再把原串中元素与3比较就可以了。

综上，我们似乎找到了一个规律：找到模式串中比较失败位置为j，看下它前面有多少字符与模式串最前面的元素相同，比如有k个相同的，那下一趟比较的位置就是k。

如上图中，012与456相同，即3个元素相同，所以下一趟比较的元素就是3，为了最大化地跳过相同元素，k肯定取最大值。

公式

通过上面的分析，这个公式看起来就能理解了。
先看中间那个：

绿框框表示对应元素相等，如P[0} = P[j-k]，找到最大的k就行了。

当j=0时，表示原串中的元素与模式串中的第0个就不符合，所以直接下一趟了，所以-1可以用来表示走下一趟。

j为其他情况，即表示待比较的元素不是第0个，且他前面的元素没有相同的，这样只能从头比较了。

靠谱吗？

那么这种直接跳元素的做法，会不会漏？

比如上图中0-4比较通过，第5个比较失败，按KMP做法，会直接把S[5]与P[2]比较，那么可能会错过以S[1]、S[2]、S[3]、S[4]为起点的比较趟次。

如下图为以S[1]为起点的趟次比较。

其实不是错过，是没必要。
下面以S1为例给出证明。
由第0趟比较结果可知：
1） S[0] = P[0],S[1] = P[1],S[2] = P[2],S[3] = P[3],S[4] = P[4]。
如果以S[1]为首的趟次也能比较成功的话，则有：
2） S[1] = P[0],S[2] = P[1],S[3] = P[2],S[4] = P[3],S[5] = P[4] ,S[6] = P[5]

结合1）和2）得，S[0] = S[1] = S[2] = … S[5] = P[0] = P[1] = P[5]。
这与第0 趟中S[5]不等于P[5]矛盾。

其中起点的可相应比较。

到此，关于KMP的我们就讲完了，