先总结几个概念:
前缀:指除最后一个字符以外,字符串的所有头部字子串。
后缀:指除第一个字符外,字符串的所有尾部字串。
部分匹配值:字符串的前缀和后缀的最长相等前后缀长度。
以’ababa’为例进行说明:
- ‘a’的前缀和后缀都为空集,最长相等前后缀长度为0。
- ‘ab’的前缀为{a},后缀为{b},最长相等前后缀长度为0。
- ‘aba’的前缀为{a,ab},后缀为{a,ba},最长相等前后缀长度为1。
- ‘abab’的前缀为{a,ab,aba},后缀为{b,ab,bab},最长相等前后缀长度为2。
- ‘ababa’的前缀为{a,ab,aba,abab},后缀为{a,ba,aba,baba},最长相等前后缀长度为3。
故字符串’ababa’的部分匹配值为000123。
利用上面方法得到子串’abcac’的部分匹配值(Partial Match,PM)为00010,将其用表格表示如下:
编号 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|
S | a | b | c | a | c |
PM | 0 | 0 | 0 | 1 | 0 |
计算KMP算法中next数组的第一步是将上面表格中PM行的值右移一位,最低位补上-1,如下所示:
编号 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|
S | a | b | c | a | c |
PM | 0 | 0 | 0 | 1 | 0 |
next | -1 | 0 | 0 | 0 | 1 |
接着将next数组整体+1:
编号 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|
S | a | b | c | a | c |
PM | 0 | 0 | 0 | 1 | 0 |
next | 0 | 1 | 1 | 1 | 2 |
以上是手动计算出next数组的方法,接下来是使用编程求出next数组,编程思路大概如下:
①设置两个指针i = 1,j = 0分别指向待匹配串的第一个和第二个字符;
② 如果j == 0或者字符串的第i个和第j个字符相等,则先将i和j指针向后移动一位,++i,++j,再将j赋给next[i],否则令j = next[i]。
具体代码如下:
void get_next(SString T, int *next)
{
int i = 1, j = 0;
next[1] = 0;
while (i < T.length) {
if (j == 0 || T.ch[i] == T.ch[j]) {
++i; ++j;
next[i] = j;
} else j = next[j];
}
}
求出next数组后,KMP算法在形式上与求next数组算法很相似,不同之处在于匹配失败时指针i不变,指针j退回到next[j]的位置并重新进行比较。
KMP算法的代码如下:
int Index_KMP(SString S, SString T, int *next)
{
int i = 1, j = 1;
while (i <= S.length && j <= T.length) {
if (j == 0 || S.ch[i] == T.ch[j]) {
++i; ++j;
} else j = next[j];
}
if (j > T.length) return i - T.length;
else return 0;
}
KMP算法的完整代码如下:
#include <stdio.h>
#include <string.h>
#define MAXLEN 255
typedef struct {
char ch[MAXLEN];
int length;
} SString;
int next[MAXLEN], nextval[MAXLEN];
void init(SString &s)
{
int n;
scanf("%s", s.ch);
for (int i = 0; s.ch[i] != '\0'; i++) n = i;
s.length = n;
}
void get_next(SString T, int *next)
{
int i = 1, j = 0;
next[1] = 0;
while (i < T.length) {
if (j == 0 || T.ch[i] == T.ch[j]) {
++i; ++j;
next[i] = j;
} else j = next[j];
}
}
int Index_KMP(SString S, SString T, int *next)
{
int i = 1, j = 1;
while (i <= S.length && j <= T.length) {
if (j == 0 || S.ch[i] == T.ch[j]) {
++i; ++j;
} else j = next[j];
}
if (j > T.length) return i - T.length;
else return 0;
}
int main()
{
SString T, S;
init(T); init(S);
get_next(T, next);
int index = Index_KMP(S, T, next);
printf("%d\n", index);
return 0;
}
实际上next数组还能进一步优化,例如当’aaaab’和’aaabaaaaab’进行匹配时:
主串 | a | a | a | b | a | a | a | a | b |
---|---|---|---|---|---|---|---|---|---|
模式 | a | a | a | a | b | ||||
j | 1 | 2 | 3 | 4 | 5 | ||||
next[j] | 0 | 1 | 2 | 3 | 4 | ||||
nextval[j] | 0 | 0 | 0 | 0 | 4 |
当i=4,j=4时,主串跟模式串( S 4 S_{4} S4跟 P 4 P_{4} P4)匹配失败,如果使用next数组还需进行 S 4 S_{4} S4与 P 3 P_{3} P3、 S 4 S_{4} S4与 P 2 P_{2} P2、 S 4 S_{4} S4与 P 1 P_{1} P1这3次比较,事实上,这3次比较毫无意义。为了优化这种情况,更新next数组的求法,新数组命名为nextval。
根据next数组计算nextval数组的思路如下:
从前往后扫描模式串的字符,将模式串的第j位与模式串的第next[j]位进行比较,若模式串的这两位不相等,则nextval数组的第j位赋值为模式串的第next[j]位的next值,若模式串的这两位不相等,则再将模式串的第next[j]位与模式串第next[next[j]]比较,直到两个字符不相等为止。
代码如下:
void get_nextval(SString T, int *nextval)
{
int i = 1, j = 0;
nextval[1] = 0;
while (i < T.length) {
if (j == 0 || T.ch[i] == T.ch[j]) {
++i; ++j;
if (T.ch[i] != T.ch[j]) nextval[i] = j;
else nextval[i] = nextval[j];
} else j = nextval[j];
}
}
王道数组结构考研复习指导