《浅谈KMP算法》

浅谈KMP算法

一、什么是KMP算法及一些基本概念

---

KMP算法：降低暴力匹配时间复杂度，时间复杂度为O（n）

基本概念：

1、s[ ]是模式串，即题目所给的需匹配字符串。（一般较长😈）
2、p[ ]是模板串，即题中所给的匹配字符串。
3、“非平凡前缀”：指除了最后一个字符以外，一个字符串的全部头部组合。
4、“非平凡后缀”：指除了第一个字符以外，一个字符串的全部尾部组合。（以下均简称为前/后缀）
5、“部分匹配值”：前缀和后缀的最长共有元素（即相等）的长度。
6、next[ ]是“部分匹配值表”，即next数组，它存储的是每一个下标对应的“部分匹配值”，是KMP算法的核心。（后面作详细讲解）。

核心思想：在每次失配时，不是把p串往后移一位，而是把p串往后移动至下一次可以和前面部分匹配的位置，这样就可以跳过大多数的失配步骤。而每次p串移动的步数就是通过查找next[ ]数组确定的。

二、next数组的含义及手动模拟（具体求法和代码在后面）

---

next数组的含义：对next[ j ]，是___p[ 1, j ]___ 串中前缀和后缀相同的最大长度（部分匹配值），即 p[ 1, next[ j ] ] = p[ j - next [ j ] + 1, j ]。

如：

模拟next数组：

例：p = “abcab”

p	a	b	c	a	b
下标	1	2	3	4	5
next [ ]	0	0	0	1	2

• 对next 1 ：前缀 = 空集—————后缀 = 空集—————next 1 = 0;

• 对next[ 2 ] ：前缀 = { a }—————后缀 = { b }—————next[ 2 ] = 0;

• 对next[ 3 ] ：前缀 = { a , ab }—————后缀 = { c , bc}—————next[ 3 ] = 0;

• 对next[ 4 ] ：前缀 = { a , ab , abc }—————后缀 = { a . ca , bca }—————next[ 4 ] = 1;

• 对next[ 5 ] ：前缀 = { a , ab , abc , abca }————后缀 = { b , ab , cab , bcab}————next[ 5 ] = 2;

三、匹配思路和实现代码

---

KMP主要分两步：求next数组、匹配字符串。

s串 和 p串都是从1开始的。i 从1开始，j 从0开始，每次s[ i ] 和p[ j + 1 ]比较

当匹配过程到上图所示时，

s[ a , b ] = p[ 1, j ] && s[ i ] != p[ j + 1 ] 此时要移动p串（不是移动1格，而是直接移动到下次能匹配的位置）

其中1串为[ 1, next[ j ] ]，3串为[ j - next[ j ] + 1 , j ]。由匹配可知 1串等于3串，3串等于2串。所以直接移动p串使1到3的位置即可。这个操作可由 j = next[ j ]直接完成。 如此往复下去，当 j == m时匹配成功。

代码如下

for(int i = 1, j = 0; i <= n; i++)
{
    while(j && s[i] != p[j+1]) j = ne[j];
    //如果j有对应p串的元素， 且s[i] != p[j+1], 则失配， 移动p串
    //用while是由于移动后可能仍然失配，所以要继续移动直到匹配或整个p串移到后面（j = 0)

    if(s[i] == p[j+1]) j++;
    //当前元素匹配，j移向p串下一位
    if(j == m)
    {
        //匹配成功，进行相关操作
        j = next[j];  //继续匹配下一个子串
    }
}

四、求next数组的思路和实现代码

---

next数组的求法是通过模板串自己与自己进行匹配操作得出来的

代码如下

for(int i = 2, j = 0; i <= m; i++)
{
    while(j && p[i] != p[j+1]) j = next[j];

    if(p[i] == p[j+1]) j++;

    next[i] = j;
}

代码和匹配操作的代码几乎一样，关键在于每次移动 i 前，将 i 前面已经匹配的长度记录到next数组中。(注：i=1时不存在匹配情况，故从i=2开始)

五、例题讲解

---

题目来源：AcWing 831.KMP字符串

题目：

给定一个字符串 S，以及一个模式串 P，所有字符串中只包含大小写英文字母以及阿拉伯数字。

模式串 P 在字符串 S中多次作为子串出现。

求出模式串 P在字符串 S 中所有出现的位置的起始下标。

输入格式

第一行输入整数 N，表示字符串 P 的长度。

第二行输入字符串 P。

第三行输入整数 M，表示字符串 S的长度。

第四行输入字符串 S。

输出格式

共一行，输出所有出现位置的起始下标（下标从 0 开始计数），整数之间用空格隔开。

数据范围

（数据范围有误，扩大为此数据范围的10倍）

输入样例

3
aba
5
ababa

输出样例：

0 2

AC代码：

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

const int N = 1000010, M = 100010; //N为匹配串长度，M模式串长度	//注意！题目已修改，数据量范围扩大10倍！
int n, m;
int ne[M]; //next[]数组，避免和头文件next冲突
char s[N], p[M];  //s为匹配串， p为模式串（此处与前文举例时S、P意义相反,依题意修改

int main()
{
    cin >> n >> p+1 >> m >> s+1;  //下标从1开始

    //求next[]数组
    for(int i = 2, j = 0; i <= n; i++)
    {
        while(j && p[i] != p[j+1]) j = ne[j];
        if(p[i] == p[j+1]) j++;
        ne[i] = j;
    }
    //匹配操作
    for(int i = 1, j = 0; i <= m; i++)
    {
        while(j && s[i] != p[j+1]) j = ne[j];
        if(s[i] == p[j+1]) j++;
        if(j == n)  //满足匹配条件，打印开头下标, 从0开始
        {
            //匹配完成后的具体操作
            //如：输出以0开始的匹配子串的首字母下标
            //printf("%d ", i - n); (若从1开始，加1)
            printf("%d ",i-n);
            j = ne[j];//再次继续匹配
        }
    }
    return 0;
}