字符串匹配之KMP算法

字符串匹配问题：

假设文本是一个长度为n的字符串T，模板是一个长度为m 的字符串P，且m · n。一般说来，我们认为文本和模板的字母表相同。如果存在整数s 使得0 · s · n ¡ m且T[s+1..s + m]=P[1..m]，我们说模板P在文本T的偏移(shift) s出现，也可以说在位置s+1出现（因为T[s+1]=P[1]）。字符串问题就是要找出所有合法的偏移。下图是P在T的偏移3，也就是位置4出现。有时候也把合法偏移称为匹配点。

为了学习KMP算法，我们应该先看看最简单直接的解决匹配问题的算法，即朴素匹配算法。朴素匹配即遍历字符串T判断是否是匹配点，一共有n-m个点要判断，每个点要比较m次，所以算法复杂度是O(m*(n-m))。

我们用朴素算法解决问题时会发现一些问题：

用朴素算法解决上面图中问题时，第四个元素不匹配，算法解决：

可明显我们知道，匹配不成功，我们应该直接跳到合适的位置，避免回溯造成的低效。

而寻找这个合适的位置便成了关键问题，这个问题即是我们KMP算法要解决的问题。

我们用next[]数组表示当第i个元素匹配失败时，我们应该直接跳到next[i]去继续匹配。

这个next[]数组怎么计算怎么来的呢，其实简单的说：next[i]就是模板串p的（0~i-1）这个子串中最大的重复子串的位置，比如当p[0...i-1]是"abcdfgabc"，最大的重复子串就是abc，直接跳到下一个abc比较即可。

下面用详细代码解释：

#include <iostream>
#include <string.h>
using namespace std;
char s1[10],s2[5];
int next[5];


void getnext()
{
    memset(next,0,sizeof(next));
    int i = -1,j = 0;
    next[0] = -1;
    int s2_len = strlen(s2);
    while(j < s2_len)
    {
        if(i == -1 || s2[i] == s2[j])
        {
            i++;
            j++;
            next[j] = i;
        }
        else
            i = next[i];
    }
}

int KMP()
{
    int i = 0,j=0,len1 = strlen(s1),len2=strlen(s2);
    while(i<len1 && j<len2)
    {
        if(j==-1 || s1[i]==s2[j])
        {
            i++;
            j++;
        }
        else
            j=next[j];
    }
    if(j==len2)
        return i-len2;
    else
        return -1;
}


int main()
{
    cin>>s1;
    cin>>s2;
    getnext();
    cout<<KMP()<<endl;
    return 0;
}