KMP算法详解（含视频）

目录

前言

一·前缀、后缀、最长相等前后缀

二·kmp算法逻辑介绍

三·next数组的构建

 四·关于kmp算法的再介绍

总结（内含一些推荐的kmp算法视频）

---

前言

在我们进行字符串匹配或者说模拟实现C语言库函数strstr()时，我们不难发现暴力求解（ BF算法）的时间消耗是非常高的。于是Donald Knuth、Vaughan Pratt和James Morris经研究后于1977年提出了一个更简便的算法，也就是KMP算法。          ------2023.8.18记

在正文开始前，我们需要了解几个概念：前缀与后缀、最长相等前后缀、文本串、模式串

---

一·前缀、后缀、最长相等前后缀

我们在进行字符串匹配时候，题目会给出两个字符串（可以参考：leetcode上的一道题目28.找出字符串中第一个匹配项的下标），

模式串（Pattern）：是指用来进行匹配的字符串，也可以称为待匹配字符串。它是我们需要在一个文本串中查找的目标字符串。

文本串（Text）：是指要进行查找或匹配操作的字符串，也可以称为源字符串。它是我们需要在其中进行模式串匹配操作的字符串。

而我们讲的最长相等前后缀是对模式串而言的，因为KMP算法要求我们不回溯文本串。

以下图中的两个字符串为例，来解释上面几个概念

前缀（prefix）：指的是一个字符串除了最后一个字符外的所有前缀子串（包括空串）

后缀（suffix）：指的是一个字符串除了第一个字符外的所有后缀子串（包括空串）。

另外请注意：

对于前缀字符串：其是必须包含字符串首元素的、不包含末尾字符的、连续的、不包括原字符串本身的、所有子字符串。

对于后缀字符串：其是必须包含字符串尾元素的、不包含首字符的、连续的、不包括原字符串的、所有子字符串。

 那么对于模式串我们可以分别求出其

前缀：“A”、“AB”、“ABA”、“ABAB”

后缀： "C"、“BC”、"ABC"、“BABC”  

我们不难看出：此时，没有相等的前后缀。

二·kmp算法逻辑介绍

我们先用动图来演示一下

演示视频

（假设我们已经求出了next数组，关于next数组如何构造，我们稍后解释）

我们先对各个变量命个名，以方便解释

文本串text、模式串pattern、文本串长度len_text、模式串长度len_pattern

从中我们不难看出的逻辑是:

1.当 text[i]==pattern[j]  时，   i++,j++

2.当 text[i]!=pattern[j]   时，   j=next[j-1]    

3.当 j==len_pattern       时，   结束查找

注意:因为要防止next数组越界，所以  j-1 >= 0 ，所以  j>0

所以第二条应该改为  当  j>0&&text[i]!=pattern[j] 时，j=next[j-1]

所以我们不妨构建一下这部分代码：

int My_strstr(char * text,char * pattern)
{
   int len_pattern = strlen(pattern);
   int len_text = strlen(text);
   int j,i;
   int *next=Getnext(pattern);
  for(i=0;i<len_text;i++)
  {   
    while(j>0&&text[i]!=pattern[j])
    {
        j=next[j-1];                       //匹配失败移动j
    }
    if(text[i]==patterm[j])
    {         
         j++;                              //单个元素匹配成功
    } 
    if(j==len_pattern)
    {
        return i-len_pattern+1;            //返回第一次成功匹配，text数组对应首元素的下标
    }  
  } 
    return -1;                             //返回-1，意味着字符串不匹配
}

三·next数组的构建

关于next数组的构建实际上就需要用到前文提到的前缀与后缀

我们再来看一个视频：

大黄蜂录屏2023-08-18-15-52-50

从中我们不难发现几条规则：

1.当 pattern[i]==pattern[j] 时，  i++；j++

2.当 pattern[i]!=pattern[j]  时，  j=next[j-1]

3.当 i==len_pattern          时，  检索结束

注意：为了避免指针越界，j - 1>=0 所以 j > 0,所以第二条应该改为

当 j>0&&pattern[j]==pattern[i] 时，j=next[j-1]

所以我们依此来构建代码：

int *Getnext(char *pattern,int len_pattern)
{
   int i,j;
   int *next=(int *)malloc(sizeof(int)*len_pattern);
   assert(next);
   next[0]=0;                        //我们提前把，next第一个元素置为零，    
                                     //我们在动画中也演示了，第一个元素的前后缀均为空串
                                     //其次，这样做可以让我们复刻 strStr()的逻辑写代码
   for(i=1,j=0;i<len_pattern;i++)    //更加容易记忆
   {
     while(j>0&&pattern[j]!=pattern[i])
      {
         j=next[j-1];                //内容不匹配时，回溯j
      }
      if(pattern[j]==pattern[i])
      {
         j++;                        //更新j，i随着循环自行更新，这里便不再，需要更新i
      }
      next[i]=j;                     //及时更新next数组
   }
   
   return next;                      //返回构建的next数组，一定要是动态开辟的数组
                                     //一方面，next数组大小未知，其次，保证数组在出函 
                                     //数后不被销毁
}

 四·关于kmp算法的再介绍

经过next数组构建后，你可能会心生疑惑：尽管代码我能看懂，但为什么可以这样做？

当你有这个疑问的时候，我便不能再给你解答了，这个时候，你应该去自己画画图，自己敲一敲代码，来熟悉里面的逻辑。（一下的解释便全是基于代码了）

如果你的逻辑还没有很清晰，不妨往下看：

首先你要清楚，构建next数组，包括使用next数组匹配字符串的过程中，“j++”这一条件，不是随着循环进行而不断执行的，他的增加是有条件的，这也其实就造成了，“j”比“i”慢的这种现象，再往深处刨析，j一定是在有对称的部分里存在的，他不可能位于一个非对称区域中（这一区域可能是整个字符串，但也可能不是。比如：abcde，没有对称区域，故j只可能在a元素对应的位置处。再比如：abcabcd，有对称区域abcabc，故j只可能存在于前一个abc对应的位置处）。关于这一点你可以去看看前面的视频演示，当然，这也只是基于代码的一种解释。

而对于i来说，它是一往无前的，是要遍历数组必须要进行的，所以将其设置成随循环递增。

而对于一些其他情况，比如说元素匹配时、不匹配时以及结束条件的判断这里就不多bibi了.

---

总结（内含一些推荐的KMP算法视频）

KMP算法的学习中，一定要多画图分析，分析结束后，一定要结合自己的分析，进行代码的编写与练习。

给大家推荐几个讲解KMP易懂的b站up主

奇乐编程学院

木子喵neko