傻子也能看懂的KMP算法

傻子也能看懂的kmp算法

网上的几个博客，因为太笨，看了之后没有看懂。为了避免我又忘了，在这里写一个博客记录下。这是我能写出来的最通俗易懂的kmp算法了，如果有代码错误的地方请告诉我，不胜感激！

• 作用：找到主串中有几个串和模式串匹配。

• 主要思想：按照最糟糕的遍历，每次匹配失败s都回溯到i+1，mt都回溯到0，时间复杂度为O(N*M)（N为主串长度，M为模式串长度），具体的不再细说。

  • 如果想要改进，那么就减少回溯。

  • 怎么减少回溯呢？

  

  当模式串mt匹配到’d’的时候，匹配失败，最坏的方法，是让s的指针重新指到b，mt的指针指到开头的a，再重新作比较。但是从图里我们可以看出，虽然匹配失败了，但是匹配失败的a，前面有a,b，这两个字母和mt开头的a,b是相同的。那么我就可以从匹配失败的a开始，和蓝色指针指向的a作比较，看看它们是否匹配。

  这种方法，使得s不用回溯，mt尽可能小的回溯，大大降低了时间复杂度。

  • 如何让计算机能够读懂这种操作？

  • next数组

    在进行匹配之前，我们要建立一个数组next[M]，来记录mt里每位字符的某种“信息”，这种信息能对我们减少回溯进行指导。这个信息是什么呢？就是我们可以根据next数组，得到不匹配的时候，指针应该回溯到的位置。next数组存的实际值是最大的前缀=后缀的长度。

    next数组初始化思路：首先，next数组的长度是mtlen，即模式串的长度，首先将next数组初始化为-1。对于第i 个元素，首先找到nxt[i-1](记为temp)的值，看看nxt[i-1]+1那个位置的字符是不是和第i个元素对应的字符相等，如果相等，那么nxt[i]的值就是temp+1了，即截止到i，前缀=后缀的最大长度是temp+1。

如果不等呢？那也不用放弃！我们可以继续看看nxt[temp]+1对应的字符能不能和第i个元素匹配上！因为mt[i-1],mt[temp],mt[nxt[temp]]里面存储的字符一定都是相同的，我们看到mt[i] = b, mt[temp+1] = c，不相等。看来cacac≠cacab了。但是呢，万一nxt[temp]+1的元素对应的字符，等于i对应的字符呢？也就是ca? = cab。这样一直向前找，从mt[i]可能的最大值不断寻找……

那么什么时候停止呢？显然，当temp没法向前找的时候，好像就可以停止了！那么，条件是mt[temp]>-1吗？此时temp就没办法再向前找了。但是！万一人家mt[i]等于mt[0]呢？就像这样：

所以，将条件改为temp>-1，就相当于又跑去看了看mt[i]和mt[0]是不是相等。

如果这也不等，那就只好让nxt[i] = -1了。

代码如下：

• int nxt[Max_n];
  void init(){
      nxt[0] = -1;
      int mtlen = strlen(mt);
      for (int i=1;i<mtlen;i++){
          int temp = nxt[i-1];
          while(mt[temp+1] != mt[i] && temp > -1){
              temp = nxt[temp];
          }
          if (mt[temp+1]==mt[i]) nxt[i] = temp + 1;
          else nxt[i] = -1;
      }
  }
  

• 利用next数组进行回溯

• 算出next数组后，KMP已经学会一大半啦！现在只要利用它进行操作就可以了。一开始，指针i指向s开头，指针j指向mt开头。如果字符匹配，那么i++，j++，没有啥好讲的。如果匹配的过程中失败了，那么就需要回溯，这个时候就可以用到next数组了。

• 如果是在j==0的时候匹配失败，i直接++。

如果j!=0，j = nxt[j-1]+1; 这个语句的意思是，直到j-1的时候，还是匹配的，那就让j回溯，看看next[j-1]后面的那个元素是不是和s[i]匹配。

• 如果匹配成功，直到j==mtlen，那就说明我们找到了一个答案，answer可以++了。注意此时的操作：**j进行了和匹配失败时相同的回溯操作。**为什么要这样呢？这个时候，我们是把已得到答案的一部分继续使用了。就是说，两个答案有重叠。这样，它们就共用了一部分。

此时j进行了部分回溯，从末尾的4到了2位置。相当于两个答案共用了aba。这个可以具体问题具体分析，看题目要不要求进行这样共用一部分的操作。

利用next数组进行回溯操作的代码如下：

• void solve(){
      int slen = strlen(s), mtlen = strlen(mt), answer = 0;
      for (int i=0,j=0;i<slen;){
          if (s[i] == mt[j]){
              i++;j++;
              if (j == mtlen){
                  answer++;
                  j = nxt[j-1]+1;
              }
          }
          else{
              if (j==0) {i++;}
              else {j = nxt[j-1]+1;}
          }
      }
      cout << answer << endl;
  }
  

讲完啦！下面是完整代码：

#include <bits/stdc++.h>
using namespace std;

const int Max_n = 1e5 + 10;
char s[Max_n], mt[Max_n];
int nxt[Max_n];

void init(){
    nxt[0] = -1;
    int mtlen = strlen(mt);
    for (int i=1;i<mtlen;i++){
        int temp = nxt[i-1];
        while(mt[temp+1] != mt[i] && temp > -1){
            temp = nxt[temp];
        }
        if (mt[temp+1]==mt[i]) nxt[i] = temp + 1;
        else nxt[i] = -1;
    }
}

void solve(){
    int slen = strlen(s), mtlen = strlen(mt), answer = 0;
    for (int i=0,j=0;i<slen;){
        if (s[i] == mt[j]){
            i++;j++;
            if (j == mtlen){
                answer++;
                j = nxt[j-1]+1;
            }
        }
        else{
            if (j==0) {i++;}
            else {j = nxt[j-1]+1;}
        }
    }
    cout << answer << endl;
}

int main(void){
    cin >> s >> mt;
    init();
    solve();
}