KMP算法：找出字符串中第一个匹配项的下标

题目描述

给你两个字符串 haystack 和 needle ，请你在 haystack 字符串中找出 needle 字符串的第一个匹配项的下标（下标从 0 开始）。如果 needle 不是 haystack 的一部分，则返回  -1 。

示例 1：

输入：haystack = "sadbutsad", needle = "sad"
输出：0
解释："sad" 在下标 0 和 6 处匹配。
第一个匹配项的下标是 0 ，所以返回 0 。

示例 2：

输入：haystack = "leetcode", needle = "leeto"
输出：-1
解释："leeto" 没有在 "leetcode" 中出现，所以返回 -1 。

思路

暴力匹配

我们可以让字符串 needle与字符串 haystack的所有长度为 m 的子串均匹配一次。我们每次匹配失败即立刻停止当前子串的匹配，对下一个子串继续匹配。如果当前子串匹配成功，我们返回当前子串的开始位置即可。如果所有子串都匹配失败，则返回 −1。很明显时间复杂度是O(m*n)。有没有更好的算法呢？这下就轮到我们的主角------KMP算法上场了。

KMP算法

要学会KMP算法，我们需要知道这些：

• 何为KMP算法
• KMP算法有什么用
• 什么是next数组
• 如何得到next数组
• 如何使用next数组来匹配
•  如何代码实现整个算法

何为KMP算法

说到KMP，先说一下KMP这个名字是怎么来的，为什么叫做KMP呢？因为是由这三位学者发明的：Knuth，Morris和Pratt，所以取了三位学者名字的首字母。所以叫做KMP。

KMP算法有什么用

KMP主要应用在字符串匹配上。KMP的主要思想是当出现字符串不匹配时，可以知道一部分之前已经匹配的文本内容，可以利用这些信息避免从头再去做匹配了。所以如何记录已经匹配的文本内容，这就得靠next数组了。

什么是next数组

next数组其实就是一个前缀表（prefix table）。前缀表有什么作用呢？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。

那前缀表是是如何记录的呢？

首先要知道前缀表的任务是当前位置匹配失败，找到之前已经匹配上的位置，再重新匹配，此也意味着在某个字符失配时，前缀表会告诉你下一步匹配中，模式串应该跳到哪个位置。

所以前缀表的具体含义：记录下标i之前（包括i）的字符串中，有多大长度（最大长度）的相同前缀后缀。

例如模式串 s = "aabaac" , 其对应的前缀表为 0,1,0,1,2,1。

如何得到next数组

我先给出代码，直接根据代码讲解可能更清楚些。

其中 j 表示最长前缀的下一个下标，例如模式串 s = "aabaac" ,当 j 等于2时，表示此时最长前缀为"aa"，所以 j 也可以理解成此时最长前缀的长度。

根据next数组的定义，我们可以直接得出next[0]的值为0，j 我们初始化为0。

在for循环里，i 表示我们当前遍历到的字符下标。每遍历一个字符，有两种情况，即s[i] == s[j]和

s[i] != s[j]。当二者不相等时，我们让 j 回溯到与s[j]==s[i]的下标处。因为我们可能要回退多次，所以我们必须使用循环连续回退。

有可能 j 回退到下标0处，s[i]依然不等于s[j]，当然也有可能相等。如果相等，那我们的 j 便可以加1了。表示我们最大相同前后缀的长度增长了1.这就对于我们代码中的 if 分支。最后，我们就可以得到此时next[i] 处的值了，直接赋值就好啦。

如何使用next数组来匹配

假设我们的主串 haystack="aabaabaac"，我们的模式串needle="aabaac"。

根据如何得到next数组这个流程，我们可以得到next数组为 0,1,0,1,2,1。

我们让两个指针分别指向两个字符串，假设 i 指向haystack，j 指向needle。

当haystack[i]==needle[j] 时，i 和 j 同时向后移动一位，此时判断 j 是否遍历完整个模式串。

当haystack[i] != needle[j] 时，我们就可以根据next数组让 j 回溯了。这里我们同样可能要回退多次，所以我们也必须使用循环连续回退。

由于我们的 i 是一直往后遍历的，所以KMP算法的时间复杂度为O(m+n)，明显效率提高了很多。

如何代码实现整个算法

C++版本

Java版本