KMP算法——找子串

leetcode试题:

• 实现strStr()

1.问题：有被匹配字符串S1，匹配字符串S2，现在想从S1中找到S2首次出现的位置，没有返回-1，S2空返回0。

---

2.分析：
S1长度n，S2长度m。
如果一一匹配，时间复杂度O(m*n)。而KMP算法特点在于处理S2字符串，生成辅助数组，记录最小的回退长度。

例如S1=“aacaacaab”，S2=“aacaab”，在匹配S1时，第一次从S1[0]匹配到了S1[5]的位置，结果c!=b，常规做法又继续从S1[1]再次逐一匹配，而S2中又继续从0下标开始。实际上S2中aacaab中的aa是重复的。
在S1中S1[5]位置不变，不需要回退，只需要更改S2中的回退位置就行，不退到0，那退到哪里？下标2。也就是S1[5]和S2[2]继续比较。

分析到此，问题很清晰了：$S1$匹配下标不动，怎么知道S2中的下标退到哪里，继续匹配呢？

---

以下分析可以不看：
假设已匹配长度位$k$，此时匹配到了$S_1$中下标$i$，$S_2$中下标$j$，如果匹配失败有$S_1[i]!=S_2[j]$，在不改变$i$时，回退$j$，假设回退到$x$，可以让$S_1[i]$前x个完成匹配：$$S_1.substr(i-x,x)==S_2.substr(0,x)$$ 而在$S_1[i]!=S_2[j]$时也有：$$S_1.substr(i-(j-1),j-1)==S_2.substr(0,j-1)$$ 此时很显然有$j$比$x$大的，毕竟x回退了嘛 $$x<j-1$$
是不是完全能匹配的长度从$j-1$减小到了$x$?
上面的两个恒等式$x-1$，$j-1$只是已经匹配的长度，重点是起点的位置，$$i-x-(i-(j-1))=j-x+1$$, 更换新的匹配长度，调整起点：$$S_2.substr(0,x)==S_2.substr(j-x+1,x)$$
所以$S_2$到底回退了多少呢？回退了$j-x+1$，而常规思路则会回退完所有的$j$。
最后也即在$S_2$中的除0下标外的每一位置向前推x长度找相同长度的前缀。而每个位置的$x$不同，需要记录起来。

---

---

3.理解：
例如S1=“aacaacaab”，S2=“aacaab”
则记录S2中每个位置的长度位[0,1,0,1,2,0]

例如S1=“abcabcabc”，S2=“abcabcd”
则记录S2中每个位置的长度位[0,0,0,1,2,3,0]

---

4.code
理解了要做的事，有很多写法的！

void getnext(int next[], string need) {
		int k = 0, i = 1, n = need.size();
		while (i < n) {
			if (need[k] == need[i]) {
				++k;
				next[i++] = k;
			}
			else if(k) { // k!=0时要回退
			// 重点是这里的回退！k处匹配不了i处，不必k--回退。k是上一个串的最大长度，k-1是其下标。
			// 比如___ ___ x，第一根线匹配第二根线（可能重合一部分），长k，结果到x走不动了，那只能继续在第一根线里面继续找
				k = next[k-1]; 
			}
			else { // k=0时，i向右
				next[i++] = k;
			}
		}
	}
	int strStr(string text, string needle) {
		if (needle.empty()) return 0;
		int m = text.size(), n = needle.size();
		int next[n];
		next[0] = 0;
		getnext(next, needle);
		next[0] = 0;
		for (int i = 0, j = 0; i < m; ) {
			if (text[i] == needle[j]) {
				++j;
				++i;
				if (j == n) return i - n;
			}
			else if (j == 0)
				++i;
			else{
				j = next[j - 1];
			}
		}
		return -1;
	}