[KMP Substring Searh(Java)]KMP算法 个人学习笔记

KMP算法的个人学习笔记

关于KMP算法

KMP算法简单来说是用来解决字符串匹配问题的算法，名字的由来是提出这个算法的三个人名字的首字母。它的核心思想是利用上一次匹配失败后的信息，来减少下一次匹配的工作量，达到更快的匹配速度。
初次见到这个问题源于Leetcode的问题28，一道比较简单的题目，使用常规手段，将源字符串（长度为m）的每个字符逐一作为起点，与待匹配的字符串（长度为n）比较，就能得到答案。时间复杂度为O(m*n)。
使用KMP算法之后，时间复杂度可以达到O(m+n)，也就是说，当m很大的时候，KMP具有更好的时间复杂度。

算法思路

中间一些步骤的实现思路不一定完全一样，我理解比较深刻的是在油管上看的一个视频，所以我的思路和做法会跟着视频的来，实际只要逻辑正确都可以完成KMP。

首先思考一下暴力破解的弊端在哪里

我们尝试匹配源字符串 src = abcababcabg 与模式串 ptr = abcabg，暴力破解的想法是，我们使用一个指针来标记当前遍历到的位置，如果该位置上，src==ptr，那么我们推进指针去考虑下一位置。以此类推，我们省略中间的步骤，直到发生矛盾；

当我们的指针推进到索引为5的位置时，a != g；
（本来图片是有索引的，但是因为做的时候没细心，导致索引中间有一个数字错掉了，我又不想从头来一遍，所以干脆把索引✄了，然后剪完我又发现上面还有个箭头也不见了……）

这时候暴力破解的思路将会把指针重置到模式串开始的时候，推进模式串，从源字符串的索引1的位置继续比较；

以此类推，直到索引3的位置下，a == a，我们又可以继续推进指针了，直到我们找到了匹配项，即指针走到了模式串末尾，或者源字符串中，指针后面的长度小于模式串，也就不可能继续匹配了。

接着可以思考问题出在哪里了

当暴力破解法推进到上图这一步的时候，我们其实可以发现，我们当前比较的a和下一个位置将比较的b，其实必然是和模式串匹配的；

其原因是，模式串中，矛盾点g前面的部分内，有一个子串ab，既是这部分的前缀，又是这部分的后缀（这个表述是我个人认为比较容易接受的），当我们的遍历进行到矛盾点时，其前面必然已经匹配过a和b两项；

从而我们可以确定，模式串与源字符串在矛盾点前的两项必定能一一匹配，故我们其实无需将指针回退到模式串的开头，而只需要匹配矛盾点a与模式串中的c是否相匹配。

这一点描述为：

对于任意一个模式串中的字符 T，我们可以找到一个数k，该字符串的前k个元素与T前面的k个元素一一对应。若k有多个，则取最大的一个。
这段话是看到的，忘了来自哪里了

换言之，就是确定，我们下一次匹配的时候，矛盾点前面有多少个字符是必定匹配，不需要考虑的。

KMP该怎么做

接下来讨论KMP算法具体要怎么做。
首先我们前面提到了，我们需要找一个数字，来确定这个矛盾点前面有多少个字符是之前匹配过的。
所以，我们在KMP算法中，构建一个Next数组，“如果中断发生在某个位置，我们可以找到Next数组中，该位置的前一个元素，来确定我们有多少个字符在下一次匹配中，可以不考虑”。
关于这一点，不同实现方法不太一样，但是都大同小异，等实际构建起数组来，这一点就会比较清晰了。

由前面的讨论我们可以确定这个数组的一些特性，比如，因为我们总是找中断点的前一个元素，所以Next数组的最后一个元素是没有意义的，你找不到它（这一点在编码的时候好像忘掉了）；再比如，数组的首个元素必定是0。
接下来就开始构建Next数组吧

接下来我们开始构建Next数组

根据KMP的思想，我们要做的实际上还是匹配，去找模式串中某个字串内部的匹配。我们使用两个标记指针 i 和 j,

i = 0
j = 1

比较模式串中 i 和 j 位置上的元素，不相等，则我们推进 j 指针，i 不动；


以此类推，直到 j 指针指向了索引为3的元素，此时 i 与 j 指向的元素相同，我们要做的是

Next[j] = i + 1 

然后同时推进指针 i 和 j；

同上，这次我们要做的同样是

Next[j] = i + 1

然后同时推进两个指针。

这时指针 i 和 j 下的元素不同了，我们这里需要做的是维持 j 指针，并回退 i 指针

i = Next[i - 1]

当然这个操作要在 i != 0 的前提下进行，这里的回退操作与Next数组在具体算法中的使用是一个道理，关于回退这个操作，我看了很多版本的解释，我对此的理解是：
我们可以把索引0到 j-1 这部分视为一个源字符串，0到i这部分视为一个模式串，那现在就是我们的匹配在模式串的索引为 i 的位置发生了中断，中断后我们需要回退指针i，其回退后的位置就是Next[i-1]的值，即：决定 i 之前有多少个字符是不再需要考虑的，在示例中这个值是0，所以回到了索引0的位置。

也就是下图的样子。其实因为之前提到过，这样的实现方式，中断之后要回退索引存储在前一个位置中，所以索引5的位置上的元素是没有意义的，如果没有后续的话，上一步其实可以直接退出。但是这样也许能更清楚的表达为什么需要回退到Next[i-1]的位置吧。

接下来可以回到源字符串上进行匹配了

如下图，我们使用两个指针来标记程序运行的进度

sp = 0
pp = 0

初始全部为0；

然后我们开始按照暴力破解的方法执行，前面都一样，我们跳到发生中断的地方

在这里我们同样要回退指针pp，不过这次的回退量由数组Next决定，中断位置的索引是5，所以我们找到前一个索引下，Next数组的值——2，将pp置为2，如下图，我们就完成了指针的回退，这个过程中sp指针不要动；

到此，索引5仍然是不匹配的，所以我们进行类似的操作，这次将pp指针回退到了0位置，再继续进行匹配，最后就能完成匹配了，
程序结束时，pp的范围是 [0, ptr.length()]
sp的范围是 [0, str.length()]
且我们知道如果匹配是成功的，sp和pp必定分别位于两个字符串的末尾，所以返回sp-pp就是最终答案了。

我的代码

首先是获取Next数组的代码，这部分是跟着视频的思路走的，所以有些地方逻辑可能不太符合正常的思维。另外关于前面提到的“最后一个元素的值无意义”这点，我记得我的代码好像没有修改，也就是说有时候最后一个元素还是会被赋值的。

    public static int[] getNextArr(String ptr) {
        int[] next = new int[ptr.length()];
        char[] match = ptr.toCharArray();
        next[0] = 0;
        int j = 1;
        int i = 0;
        while (j < ptr.length()) {
            //推进指针j直到末尾
            if (match[j] != match[i]) {
                //不匹配，回退指针，若指针本身在0位置，则不动
                i = i > 0 ? next[i - 1] : 0;
                if (match[j] == match[i]){
                    //回退后字符串匹配，这里做的事情和下面匹配的情况是一样的
                    next[j] = i + 1;
                    i++;
                }
            } else {
                //为Next[j]赋值i+1，推进指针i
                next[j] = i + 1;
                i++;
            }
            //推进指针j
            j++;
        }
        return next;
    }

接下来是进行匹配的部分：这里我的写法下只有一点要注意，就是判断pp是否到尾部的语句一定要放在匹配成功的情况下，不然肯定会出错（猪脑子，错过一次）。
上面的图解我个人感觉还是蛮详细的，对着图一步步走就能看懂了。

    public static int KMPSolution(String src, String ptr) {
        //ptr为空或长度小于src的情况做预处理
        if (ptr.length() == 0) return 0;
        if (ptr.length() > src.length()) return -1;

        int[] next = getNextArr(ptr);//转到子函数获取Next数组
        char[] sChars = src.toCharArray();
        char[] pChars = ptr.toCharArray();
        int sp = 0; //src pointer
        int pp = 0; //ptr pointer
        while (sp < src.length()) {

            if (sChars[sp] == pChars[pp]) {
                //当前字符匹配
                if (pp == ptr.length() - 1)
                    //若pp到尾，则函数终止，返回sp-pp为结果
                    return sp - pp;

                //pp未到尾，推进pp与sp
                sp++;
                pp++;
            } else {
                //当前字符不匹配
                if (pp == 0) sp++;//若pp在ptr的首部，则推进sp
                else pp = next[pp - 1];//否则回退指针pp到Next数组标记的位置
            }
        }
        return -1;
    }

这个代码最终在Leetcode的strStr问题下提交通过

提交通过以后很多细节我都不想再修改了，如果有写的不好的地方请指正，另外图片全部是我自己用ProcessOn制作的，想要的可以直接拿走~~