KMP算法入门
KMP解决的是模式串 S S 和文本串之间的匹配问题。传统和暴力算法,在复杂度方面不够优秀,根本原因在于对模式串没有的规律没有加以利用,导致进行了多余的匹配。而KMP算法的关键也在于 next n e x t 数组,求解出了模式串 next n e x t 数组,也就求解出来了对于当前模式串在某一位置失配后,接下来去哪一位置进行匹配的问题。有了这个从而提高在匹配过程中的效率。
next数组的求解
对文本串和模式串进行如下的规定:
|S|=n,|T|=m,S=s0s1…sn−1,T=t0t1…tm−1
|
S
|
=
n
,
|
T
|
=
m
,
S
=
s
0
s
1
…
s
n
−
1
,
T
=
t
0
t
1
…
t
m
−
1
对 next n e x t 数组的理解,可以为:如果当前在模式串 S S 中的某一位置发生失配,即在主串 T T 中某一可能的位置,如果有 sx≠ty s x ≠ t y ,对于模式串来说,应该用其的哪个字符接着和 sx s x 进行比较。
从上述描述中,不难发现,对于主串的指针,在失配的时候是不回退的。而在传统的暴力求解算法上,如果发生了失配,主串的指针是要回退到模式串头部对应主串的位置+1的位置上,这样的回退,显然效率很低。从这个角度上来看,也说明了KMP有很好的效率。
next数组的含义
next n e x t 数组的含义已经说过,其更本质的含义是,对于模式串的某一位置 x x ,的前缀和后缀相同的最大长度。这样说还不够具体,用一个实例来描述一下。
假设有模式串 S=ababaca S = a b a b a c a
x x | 串 | 最长前缀和最长后缀相同的串 | 最长长度 | 值 |
---|---|---|---|---|
0 | a a | 0 | -1 | |
1 | ab a b | null n u l l | 0 | -1 |
2 | aba a b a | a a | 1 | 0 |
3 | ab a b | 2 | 1 | |
4 | ababa a b a b a | aba a b a | 3 | 2 |
5 | ababac a b a b a c | null n u l l | 0 | -1 |
6 | ababaca a b a b a c a | a a | 1 | 0 |
解释一下上表,如当时,模式串最后发生了失配,也就是最后的 a a 和文本串不匹配,在保证主串指针不回退的情况下,那么主串该和模式串的哪个字符来比较了,显然是第0个字符,也就是开头的.
再比如,当 x=4 x = 4 的时候发生失配,那么下面就是主串的模式串的第2个字符进行比较。
next数组求解代码
void getnext(){
int len = strlen(str),k = -1;
nxt[0] = -1;
for(int i = 1;i<=len-1;++i){
while(k>-1&&str[k+1]!=str[i]) k = nxt[k];
if(str[k+1] == str[i]) k++;
nxt[i] = k;
}
}
如何进行匹配