1.什么是KMP
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。
2.KMP有什么作用
KMP主要应用在字符串匹配上。
字符串:需要查找的字符串进行匹配(较长的那个)
模式串:需要匹配的字符串(较短的那个)
KMP的主要思想是当出现字符串不匹配时,可以根据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。
2.1 怎么获取这些前面已经匹配的文本信息呢?
所以如何记录已经匹配的文本内容,是KMP的重点,也是next数组(next数组就是一个前缀表(prefix table))肩负的重任。
2.2 什么是前缀表,前缀表有什么作用
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。
前缀: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。
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。
作用: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。
2.3 为什么前缀表能告诉我从哪里重新开始
下标5之前这部分的字符串(也就是字符串aabaa)的最长相等的前缀 和 后缀字符串是 子字符串aa ,因为找到了最长相等的前缀和后缀,匹配失败的位置是后缀子串的后面,那么我们找到与其相同的前缀的后面重新匹配就可以了。
2.4怎么计算前缀表
可以看出模式串与前缀表对应位置的数字表示的就是: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
主要有如下三步:
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。
j 为什么要初始化为 -1呢?
前缀表要统一减一的操作仅仅是其中的一种实现,我们这里选择j初始化为-1(代表的是单独一个元素,没有相同的前后缀)。
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)
所以初始化next[0] = j 。
2.处理前后缀不相同的情况
注意:这个地方是从1开始遍历的
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。
怎么回退呢?
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])。
3.处理前后缀相同的情况
如果 s[i] 与 s[j + 1] 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。
void getNext(vector<int>& next, const string& s){
int j = -1;//初始化
next[0] = j;
for(int i = 1; i < s.size(); i++) { // 注意i从1开始
while (j >= 0 && s[i] != s[j + 1]) { // 前后缀不相同了
j = next[j]; // 向前回退
}
if (s[i] == s[j + 1]) { // 找到相同的前后缀
j++;
}
next[i] = j; // 将j(前缀的长度)赋给next[i]
}
}
3.具体如何实现KMP的字符串匹配
使用next数组来参与匹配
在文本串s里 找是否出现过模式串t。
1.初始化
定义两个下标j 指向模式串起始位置,i指向文本串起始位置。
那么j初始值依然为-1,为什么呢? 依然因为next数组里记录的起始位置为-1。
接下来就是 s[i] 与 t[j + 1] (因为j从-1开始的) 进行比较。
2.值不相等时的匹配
如果 s[i] 与 t[j + 1] 不相同,j就要从next数组里寻找下一个匹配的位置。
需要注意的是这个地方用的是while循环而不是单纯的一个if语句。
3.值相等时的匹配
如果 s[i] 与 t[j + 1] 相同,那么i 和 j 同时向后移动
4.循环中止条件
1.在文本串中找到了模式串(即确定j的长度等于一个值,代表全部都遍历到了),返回的位置就是第一个值的下标(长度为n的数组的下标范围是0~n-1),所以第一个值的下标是i-(n-1);
2.遍历到最后也没找到返回-1
int strStr(string haystack, string needle) {
int n = needle.size();
int m = haystack.size();
if (n == 0) {
return 0;
}
vector<int> next(n);
getNext(next, needle);
int j = -1; // // 因为next数组里记录的起始位置为-1
for (int i = 0; i < m; i++) { // 注意i就从0开始
while(j >= 0 && haystack[i] != needle[j + 1]) { // 不匹配
j = next[j]; // j 寻找之前匹配的位置
}
if (haystack[i] == needle[j + 1]) { // 匹配,j和i同时向后移动
j++; // i的增加在for循环里
}
if (j == (n - 1) ) { // 文本串s里出现了模式串t,匹配到最后一个了
return (i - (n - 1));
}
}
return -1;
}
4.28找出字符串中第一个匹配项的下标
思路参照前面的kmp
class Solution {
public:
void getNext(vector<int>& next,string& target){
int j = -1;
next[0] = j;
int n = target.size();
for(int i = 1;i<n;i++){
while(j>=0&&target[i]!=target[j+1]){//不等的时候
j = next[j];//向前回退
}
if(target[i]==target[j+1]){//相等的时候长度+1
j++;
}
next[i] = j;//将相同的前缀和赋值给next数组
}
}
int strStr(string haystack, string needle) {
int j = -1;
int n = needle.size();
int m = haystack.size();
vector<int> next(n);
getNext(next,needle);
for(int i = 0;i<m;i++){
while(j>=0&&haystack[i]!=needle[j+1]){
j = next[j];
}
if(haystack[i] == needle[j+1]){
j++;
}
if(j == n-1){
return i-(n-1);
}
}
return -1;
}
};
5.459重复的子字符串
思路:使用kmp来进行判断是否有重复的子字符串
为什么?因为kmp就是用来查找一个串是否存在另外一个串。而对于本题来说,我们的子字符串就是那个另外一个串。
知识点:KMP,数学
我们假设最小的子字符串的长度为k(k>=1),一个大的字符串里面含有m(m>=2)个相同的子字符串,那么总长度就是n=k*m,求得的next数组的最后一个的值就是next[n-1] = (n-1)-k=(m-1)*k-1>=0;所以我们要如何判断是存在的呢?next[n-1]!=-1(即先确定是存在重复的),然后n%(n-(next[n-1]+1))=n%k==0?来判断是否存在重复的。
第二种方法可以看下面的一个注释和代码来进行学习。只考虑使用数学方法,实现比较简单,就是时间的复杂度可能会稍微高点。
class Solution {
public:
void getNext(vector<int>& next,string& target){
int j = -1;
next[0] = j;
int n = target.size();
for(int i = 1;i<n;i++){
while(j>=0&&target[i]!=target[j+1]){//不等的时候
j = next[j];//向前回退
}
if(target[i]==target[j+1]){//相等的时候长度+1
j++;
}
next[i] = j;//将相同的前缀和赋值给next数组
}
}
bool repeatedSubstringPattern(string s) {
//这里用到的是一种数学的方法,但是对应的时间复杂度比较高
//我们假设这个里面有m(m>=2)个相同的字符串,那么拼接之后就有2m个相同的字符串了
//删去头和尾之后至少有2*m-2个相同的字符串
//2*m-2>=m,因为m>=2,所以此时如果找到了那么就代表是重复的,如果没找到,那么代表不存在。
/*
string t = s+s;
t.erase(t.begin());
t.erase(t.end()-1);
if(t.find(s)!=std::string::npos){
return true;
}else{
return false;
}
*/
//第二种方法就是使用kmp算法
int n = s.size();
vector<int> next(n);
getNext(next,s);
if(next[n-1]!=-1&&n%(n - (next[n-1]+1)) == 0){
return true;
}else{
return false;
}
}
};