目录
前言
kmP算法有些难理解,为了在学习其他语言的时候能够触类旁通,我打算把最近学到的知识系统总结一
下,方便以后自查自纠。不对的地方,还望见谅和指正。
KMP算法定义
kmp算法由三位学者发明:Knuth,Morris和Pratt,取了三位学者名字的首字母。所以叫做KMP
KMP算法作用
主要应用于字符串匹配。
众所周知,字符串匹配需要两个对象:文本串,模板串。
当出现字符串不匹配时,可以利用KMP算法知道一部分之前已经匹配的文本内容,避免文本串从头再去做匹配,减少了时间复杂度。
这也引出了一个关键点。
KMP算法时间复杂度
假设有一串文本串,长度为n,模式串长度为m。
因为在字符串匹配的过程中,文本串会根据模式串的前缀表,去调整自己的位置。
可以看出,匹配的过程是O(n)。
但是,针对模式串,之前还有单独生成前缀表(next数组),其时间复杂度是是O(m)。
所以,整个KMP算法的时间复杂度是O(n+m)的。
下一个关键点。
什么是前缀表
前缀表是用来记录模式串里,下表i位置之前(包括i)的字符串中,有多大长度的相同前缀后缀。方便指针回溯
它记录了文本串与模式串不匹配的时候,模式串应该从哪里开始重新匹配。
举个例子,要在文本串:aabaabaafa中查找是否出现过一个模式串:aabaaf。
使用前缀表,就不会从头匹配,通过next数组标记模式串的位置,
找到从上次已经匹配的内容匹配,即三个字符b继续匹配。
可以看上图,模式串下表 i=5 的时候,字符f与b不匹配。
所以模式串根据前缀表,跳到了下表i=3的位置重新进行匹配。
下一个重点。
前缀表如何计算
以aabaabaafa为例:
长度为前1个字符的子串a,最长相同前后缀的长度为0。
长度为前2个字符的子串aa,最长相同前后缀的长度为1。
长度为前3个字符的子串aab,最长相同前后缀的长度为0。
长度为前4个字符的子串aaba,最长相同前后缀的长度为1。
长度为前5个字符的子串aabaa,最长相同前后缀的长度为2。
长度为前6个字符的子串aabaaf,最长相同前后缀的长度为0。
所以得出前缀表下表i的位置:
找到的不匹配的位置时,就看它前一个字符的前缀表的数值是多少。
为什么要看前一个字符的前缀表的数值呢,
因为要找前面字符串的最长相同的前缀和后缀。
所以要看前一位的 前缀表的数值。
前一个字符的前缀表的数值是2, 所有把下表移动到下表2的位置继续比配。
最后就在文本串中找到了和模式串匹配的子串了。
有了next数组,就可以根据next数组来匹配文本串s,和模式串t了。
而next数组会对前缀表统一减一,方便查找。
实战:leetcode28
思路:
1、计算模式串s的前缀表
我们定义一个函数getNext来构建next数组,函数参数为指向next数组的指针,和一个字符串。代码如下:
void getNext(int* next, const string& s)
接着,定义两个指针i和j。
j指向前缀终止位置,i指向后缀终止位置。
然后还要对next数组进行初始化赋值,如下:
int j = -1;
next[0] = j;
j 为什么要初始化为 -1呢,因为之前说过 前缀表要统一减一的操作,所以j初始化为-1。
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 。
接下来,会分两种情况编码:
①前后缀不相同的情况
因为j初始化为-1,那么i就从1开始,进行s[i] 与 s[j+1]的比较。
所以遍历模式串s的循环下表i 要从 1开始,
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,就要向前回溯。
怎么回溯呢?
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(next[j])。
②前后缀相同的情况
如果s[i] 与 s[j + 1] 相同,说明找到了相同的前后缀。那么就同时向后移动i (通过for循环)和j (通过if语句),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。
总体构建next数组的函数代码如下:
void getNext(int* next, const string& s){
int j = -1;
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
j = next[j]; // 向前回溯
}
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]
}
}
得到了next数组之后,就可以做字符串匹配了。
在文本串s里 找是否出现过模式串t。
定义两个下表j 指向模式串起始位置,i指向文本串其实位置。
那么j初始值依然为-1「因为next数组里记录的起始位置为-1。」
i就从0开始,遍历文本串:
for (int i = 0; i < s.size(); i++)
如果 s[i] 与 t[j + 1] 相同,那么i 和 j 同时向后移动:
if (s[i] == t[j + 1]) {
j++; // i的增加在for循环里
}
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:
while(j >= 0 && s[i] != t[j + 1]) {
j = next[j];
}
ps:不同,用while循环;相同,用if循环
那如何判断在文本串s完完整整的,出现了模式串t呢?
如果j指向了模式串t的末尾,那么就说明模式串t完全匹配文本串s里的某个子串了。
本题要在文本串字符串中找出模式串出现的第一个位置 (从0开始),
所以返回当前在文本串匹配模式串的位置i 减去 模式串的长度,
就是文本串字符串中出现模式串的第一个位置。
if (j == (t.size() - 1) ) {
return (i - t.size() + 1);
}
因此,模式串匹配文本串的代码如下:
int j = -1; // 因为next数组里记录的起始位置为-1
for (int i = 0; i < s.size(); i++) { // 注意i就从0开始
while(j >= 0 && s[i] != t[j + 1]) { // 不匹配
j = next[j]; // j 寻找之前匹配的位置
}
if (s[i] == t[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 == (t.size() - 1) ) { // 文本串s里出现了模式串t
return (i - t.size() + 1);
}
}
代码
class Solution {
public:
void getNext(int* next, const string& s) {
int j = -1;
next[0] = j;
for(int i = 1; i < s.size(); i++) { // i从1开始
while (j >= 0 && s[i] != s[j + 1]) { // 前后缀不相同
j = next[j]; // 向前回溯
}
if (s[i] == s[j + 1]) { // 相同的前后缀
j++;
}
next[i] = j; // 将j(前缀的长度)赋给next[i]
}
}
int strStr(string haystack, string needle) {
if (needle.size() == 0) {
return 0;
}
int next[needle.size()]; //定义next数组,方便回溯
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 < haystack.size(); i++) { // i就从0开始
while(j >= 0 && haystack[i] != needle[j + 1]) { // 当不匹配
j = next[j]; //就一直,让 j 寻找之前匹配的位置
}
if (haystack[i] == needle[j + 1]) { // 如果匹配,j和i同时向后移动
j++;
}
if (j == (needle.size() - 1) ) { // 如果文本串s里出现了模式串t,即j读到了模式串的末尾
return (i - needle.size() + 1);
}
}
return -1;
}
};
细节问题:
在阅读大神文章的时候,我也发现了一些问题。但大神都逐一给我解决了。
next【j】为什么进行减一操作,而不是前缀表右移?
答:其实这两者结果都一样,都是为了避免while语句的时候,next【j】=j(j为1)时,出现死循环。
为什么表述是相同前后缀的长度?
比如长度为前6个字符的子串aabaaf,最长相同前后缀的长度为0?
答: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;
后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。
这也就解释了,长度为6时,
后缀:abaaf
前缀:aabaa
所以,前后缀都分别要包含这个,a,f;
他们两又不相同,只能是0.