kmp算法详解及c++代码示例

KMP（Knuth-Morris-Pratt）算法是一种改进的字符串匹配算法，用于解决在一个文本串S内查找一个词串P的出现位置的问题。与朴素的暴力匹配不同，KMP算法可以在匹配失败时利用已经部分匹配的有效信息，避免从头开始匹配，从而提高匹配效率。

原理

KMP算法的核心是利用一个“部分匹配表”（也称为“失败函数表”或“跳转表”），该表记录了词串P中各个位置上的字符，与词串P的某个前缀能够匹配的最长长度。在匹配过程中，当发生不匹配时，可以利用这个表来确定下一步应该从哪里开始匹配，从而避免不必要的比较。

部分匹配表的构造

1. 初始化一个空表。
2. 对于词串P的每个位置i（从1开始），计算以该位置结尾的子串的前缀和后缀的最长公共元素长度，并将这个值记录在表中对应的位置。
3. 如果不存在这样的公共元素，则对应位置的值为0。

匹配过程

1. 将词串P与文本串S的第一个字符对齐。
2. 从左到右逐个比较P和S的字符。
3. 如果出现不匹配，查找部分匹配表中当前位置的值，将P向前滑动这个值的距离，然后从新的位置开始继续匹配。
4. 如果全部匹配成功，返回词串P在文本串S中的起始位置。

实例

假设词串P为"ABCDABD"，文本串S为"ABCABABDABCDABDABCDABABCAB"。

1. 构造部分匹配表：
   • A的后缀和前缀无公共元素：0
   • AB的后缀B和前缀B相同：1
   • ABC的后缀BC和前缀无公共元素：0
   • ABCD的后缀CD和前缀无公共元素：0
   • ABCDA的后缀DA和前缀A相同：1
   • ABCDAB的后缀AB和前缀AB相同：2
   • 因此，部分匹配表为[0, 1, 0, 0, 1, 2]。
2. 匹配过程：
   • 将P与S的第一个字符对齐。
   • 比较到P的第四个字符D时，发现不匹配。
   • 查找部分匹配表中位置4的值，为0，因此P不动，S向右移动一个字符。
   • 继续比较，直到P全部匹配成功，或P移动到S的末尾。

应用场景

KMP算法在字符串匹配、搜索引擎、文本编辑器、生物信息学等领域有广泛应用。例如，在搜索引擎中，KMP算法可以快速定位网页中关键词的出现位置，从而提高搜索效率；在文本编辑器中，KMP算法可以实现高效的查找和替换功能；在生物信息学中，KMP算法可以用于DNA序列的比对和分析等。

总的来说，KMP算法通过充分利用已经匹配的信息，减少了不必要的比较次数，从而提高了字符串匹配的效率

KMP算法C++代码示例

cpp复制代码

	#include <iostream>
	#include <vector>
	#include <string>
	using namespace std;
	// 计算部分匹配表
	vector<int> computeLPSArray(const string& pat, int M) {
	vector<int> lps(M, 0);
	int len = 0; // length of the previous longest prefix suffix
	int i = 1;
	lps[0] = 0; // lps[0] is always 0
	// loop to calculate lps[i] for i = 1 to M-1
	while (i < M) {
	if (pat[i] == pat[len]) {
	len++;
	lps[i] = len;
	i++;
	} else {
	// (pat[i] != pat[len])
	if (len != 0) {
	// This is tricky. Consider the example.
	// AAACAAAA and i = 7. The idea is similar
	// to search step.
	len = lps[len - 1];
	// Also, note that we do not increment i here
	} else {
	// if (len == 0)
	lps[i] = 0;
	i++;
	}
	}
	}
	return lps;
	}
	// KMP搜索函数
	int KMPSearch(const string& pat, const string& txt) {
	int M = pat.length();
	int N = txt.length();
	// 创建LPS数组
	vector<int> lps = computeLPSArray(pat, M);
	int i = 0; // index for txt[]
	int j = 0; // index for pat[]
	while (i < N) {
	if (pat[j] == txt[i]) {
	j++;
	i++;
	}
	if (j == M) {
	cout << "Found pattern at index " << i - j << endl;
	j = lps[j - 1];
	} else if (i < N && pat[j] != txt[i]) {
	// Mismatch after j matches
	if (j != 0)
	j = lps[j - 1];
	else
	i = i + 1;
	}
	}
	return 0;
	}
	int main() {
	string txt = "ABABDABACDABABCABAB";
	string pat = "ABABCABAB";
	KMPSearch(pat, txt);
	return 0;
	}

时空复杂度分析

时间复杂度

• 部分匹配表计算 (computeLPSArray): 这个函数的时间复杂度是O(M)，其中M是模式串的长度。因为我们需要遍历整个模式串一次来计算LPS数组。
• KMP搜索 (KMPSearch): 这个函数的时间复杂度是O(N)，其中N是文本串的长度。在最坏情况下，我们可能需要遍历整个文本串一次。尽管在每次不匹配时，我们都会使用LPS数组来跳过一些字符，但总体上，我们仍然需要遍历文本串的每个字符至少一次。

因此，总的时间复杂度是O(M + N)。

空间复杂度

• 我们使用了一个大小为M的LPS数组来存储部分匹配表。因此，空间复杂度是O(M)。

请注意，这里的时空复杂度分析是基于理想情况的。在实际应用中，由于缓存、内存访问模式和其他因素，实际性能可能会有所不同。