代码随想录训练营Day8:KMP算法小结

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;
        }

    }
};