KMP算法
KMP主要应用在字符串匹配问题上
算法思想:当出现字符串不匹配时,可以记录一部分之前已经匹配的文本内容,利用这些信息避免从头再去做匹配,大大降低了时间复杂度,这也就是为什么这类问题我们选择用KMP算法。
前缀表
1. 有什么用?
前缀表是用来回退的,它记录了模式串与主串(文本串)不匹配的时候,模式串应该从哪里开始重新匹配。
要在文本串:aabaabaafa 中查找是否出现过一个模式串:aabaaf。
过程如下图所示
上图使用了前缀表,就不会从头匹配,而是从上次已经匹配的内容开始匹配(动画中我们发现回退到了b,而不是最开始的字母a)
2. 那前缀表是如何记录的呢?
记录下标 i 之前(包括i)的字符串中,有多大长度的相同前缀、后缀
* **前缀**:不包含最后一个字符的所有以第一个字符开头的连续子串。
* **后缀**:不包含第一个字符的所有以最后一个字符结尾的连续子串。
借助例子理解:
即 最长就是2, aa
3. 如何计算前缀表
记录下标 i 之前(包括i)的字符串中,有多大长度的相同前缀、后缀
最长相同前后缀的长度为0。(注意字符串的前缀是指不包含最后一个字符的所有以第一个字符开头的连续子串;后缀是指不包含第一个字符的所有以最后一个字符结尾的连续子串。)
最长相等前后缀长度为1,a
前缀为aa,a
后缀为ab,b
最长相同前后缀长度为 0
以此类推前缀表如下图
再来看一下如何利用 前缀表找到 当字符不匹配的时候应该指针应该移动的位置。如动画所示:
找到的不匹配的位置, 那么此时我们要看它的前一个字符的前缀表的数值是多少。
前一个字符的前缀表的数值是2, 所有把下标移动到下标2的位置继续比配
最后找到了匹配的字符串了
时间复杂度
其中n为文本串长度,m为模式串长度,在匹配的过程中,根据前缀表不断调整匹配的位置,可以看出匹配的过程是O(n),之前还要单独生成next数组,时间复杂度是O(m)。所以整个KMP算法的时间复杂度是O(n+m)的。
而暴力的解法两个for循环遍历,显而易见是O(n × m),所以KMP在字符串匹配中极大的提高的搜索的效率。
构造next数组
构造next数组其实就是计算模式串s,前缀表的过程。 主要有如下三步:
1) 初始化
2) 处理前后缀不相同的情况
3) 处理前后缀相同的情况
1)初始化:
定义两个指针i 和 j,j 指向前缀末尾位置,i 指向后缀末尾位置。
然后还要对next数组进行初始化赋值,如下:
j = 0
next[0] = j
next[i] 表示 i(包括i)之前最长相等的前后缀长度(其实就是j)
2) 处理前后缀不相同的情况
因为j初始化为0,那么i就从1开始,进行s[i] 与 s[j]的比较。
所以遍历模式串s的循环下标i 要从 1开始
如果 s[i] 与 s[j+1]不相同,也就是遇到 前后缀末尾不相同的情况,就要向前回退。
next[j]就是记录着j(包括j)之前的子串的相同前后缀的长度。
那么 s[i] 与 s[j+1] 不相同,就要找 j+1前一个元素在next数组里的值(就是next[j])。
for i in range(len(s)):
j = next[j-1] //向前回退
3)前后缀相同的情况
如果 s[i] 与 s[j] 相同,那么就同时向后移动i 和j 说明找到了相同的前后缀,同时还要将j(前缀的长度)赋给next[i], 因为next[i]要记录相同前后缀的长度。
if s[i] == s[j]:
j += 1
next[i] = j-1
整体代码如下:
def getNext(next, s):
j = 0
next[0] = j
for i in range(len(s)):
while j > 0 and s[i] != s[j]: // 前后缀不相同
j = next[j] // 向前回退
if s[i] == s[j-1]: // 前后缀相同
j += 1
next[i] = j-1 // 将前缀长度赋值给next数组