字符串匹配KMP算法的理解及求next值（简单介绍）

一、问题引入：

相信大部分初学者在开始做算法题的时候，碰到字符串的匹配，一般都会优先使用朴素算法（暴力算法），我也是一个暴力算法的迫害者之一。

例如：现在有一个文本串S=“BBC ABCDAB ABCDABCDABDE”和一个搜索串（模式串）p="ABCDABD"，要查找p在s中的位置。（暴力算法的代码就不贴了，此算法的时间复杂度最好为O(n+m)、最坏为O(nm)）

这样只能一个一个的去匹配，虽然可以得出想要的结果，但是这样相对来说效率过于低，所以这次我们可以使用KMP算法进行来求解。

二、KMP：

2.1、定义和next的公式

Knuth-Morris-Pratt 字符串查找算法，简称为 “KMP算法”，常用于在一个文本串S内查找一个模式串P 的出现位置，这个算法由Donald Knuth、Vaughan Pratt、James H. Morris三人于1977年联合发表，故取这3人的姓氏命名此算法。

可以这样简单理解，KMP是一种改进的字符串匹配算法，关键在于利用匹配失败后的信息，尽量减少模式串和主串的匹配次数达到快速匹配的目的。他最主要的关键点在于如何求得next()函数，函数本身包含的模式串的局部匹配信息，下面有个公式可以先了解下

公式1：这个公式计算得出next数组，kmp的移动需要根据next数组表的公式进行移动，模式串向右移动的位数 = 失配字符的位置 - 失配字符对应的next 值

当然，在不同的地方介绍，也有另外形式的公式，公式2：这个公式计算适用于是根据根据最大长度表得出的next数组，失配时，模式串向右移动的位数 = 已经匹配的字符数 - 失配字符的上一位字符的最大长度值

其实，两条公式本质上是一样的，不同点在于“j”的值不同，当然了，计算出来的值也就相差为1。所以，如果在软考中(软考必考题之一)，或者是其他算法题目中，有明确给出公式，就必须按照给的公式来做，而不是按照自己的印象来做。

2.2，步骤

先来讲讲KMP是怎么去匹配的。
这里我先按照p="ABCDABD"和公式1给出一个next的匹配值

j值	0	1	2	3	4	5	6
P值	A	B	C	D	A	B	D
next数组	-1	0	0	0	0	1	2

 

然后根据《next 数组》，失配时，模式串向右移动的位数 = 失配字符的位置 - 失配字符对应的next 值

开始匹配时，i=0；j=0；发现A和B失配，次数配串需要移动的 0-(-1)=1得到下面的图，

依次匹配，直到 i=4 ,此时，j=0,发现s[4]=p[0],即下图

此时，继续往下走，直到发现 s[10]是个空格字符，而p[6]=D，失配。

根据《next 数组》，失配时，模式串向右移动的位数 = 失配字符的位置 - 失配字符对应的next 值 ，将P串进行移动6-2=4位，如下图

又开始进行匹配，发现，s[10]和p[2]失配。

继续根据公式，进行移动2-0=2，得出下图

此时s[10]和p[0]再次失配，在继续移动0-（-1）=1位，移动后，s[11]和p[0]相等，j++、i++继续匹配

直到 s[17]和p[6]失配，继续根据《next数组表》的公式，进行移动6-2=4位，得出下图，最终，匹配成功

以上就是kmp的基本的操作过程。

接下来我们来讲讲next是怎么去算的。

2.3、计算next值

了解next值的计算时，我们先需要了解三个关键词语，“前缀”、“后缀”和“最大前缀后缀公共元素长度”。

前缀，是指除了最后一个字符以外，一个字符串的全部头部组合。例如：ABCD，除了D，头部合元素有，A、AB、ABC

后缀，是指除了第一个字符以外，一个字符串的全部尾部组合。例如：ABCD，除了A，尾部组合D、CD、BCD。

这时候有人是不是有疑问，为什么尾部组合不是B、BC和BCD呢，没错，我之前也有这个疑问。后来我思前想后，发现，前面有个关键字眼“头部组合”和“尾部组合”。如果真的可以B、BC和BCD，那么这个不叫尾部组合，而是叫组合。(这里我也是单纯这样理解而已，有更加深刻理解的大佬，欢迎在评论区帮我指正)。

最大前缀后缀公共元素长度，顾名思义，就是前缀和后缀中的元素组合中有想同的最长的元素长度。例如下面这张表

“A”的前缀和后缀都是空集，共有长度为0依次类推下去就是上面的表了。

这个也可以叫做最大长度表，同样也可以用作计算KMP的移动位置，当然了，此时的公式跟next数组的公式不同。

上面是最大长度表的计算，下面开始next的计算，我们按照之前给的next公式和上面的表格来看

当j=0时，next[0]=-1；

当j=1时，就公式来看，k必然整数，那么不符合0<k<1,就是第三中情况，next[1]=0；

当j=2时，符合0<k<2,所以k=1，所以p0=P(2-1)=p1,此时，我们发现，p0=A而p1=B，明显不相等，所以此时公式不成立，属于第三种情况，所以next[2]=0；

当j=3时，k的取值有1和2，我们先取k=2代入，有p0p1=AB，p(3-2)p(3-1)=p1p2=BC ,式子不相等，k=2不成立，取k=1代入，p0=A，p(3-1)=p2=C,式子不相等,那么就是第三种情况了。所以next[3]=0；

当j=4时，k的取值有1、2、3,先取k=3代入，有p0p1p2=ABC, p1p2p3=BCD 式子不相等，k=3不成立；取k=2代入，有p0p1=AB ,p2p3=CD ,式子不相等，k=2不成立；取k=1代入，有p0=A ,p3=D，式子不相等，k=1不成立，那么就是第三种情况了。所以next[4]=0；

当j=5时，k的取值有1、2、3,4，先取k=4代入，有p0p1p2p3=ABCD ,p1p2p3p4=BCDA,式子不相等，k=4不成立，取k=3代入，有p0p1p2=ABC,p2p3p4=CDA,式子不相等，k=3不成立；取k=2代入，有p0p1=AB,p3p4=DA,式子不相等，k=2不成立；取k=1代入，有p0=A ,p4=A,此时，p0=p4，所以next[5]=1;

当j=6时，k的取值有1、2、3、4、5,先取k=5代入，有p0p1p2p3p4=ABCDA，(依次类推吧，写累了，直到k=2)，当k=2时，有p0p1=AB，p4p5=AB ,式子相等，所以next[6]=2

所以可以得去这样的表格

以上，就是next的计算方式。

(如果觉得下面会混乱你之前的思维的话，那么就不建议了解了)

如果你按照的是下面的这个公式计算的话，那么J的起始值是等于1，相当与跟上面算出来的值全部都加1而已，

j值	1	2	3	4	5	6	7
P值	A	B	C	D	A	B	D
next数组	0	1	1	1	1	2	3

 

最终，我们拿到这个next值，根据根据《next 数组》，失配时，模式串向右移动的位数 = 失配字符的位置 - 失配字符对应的next 值

当然也有另外的一个公式是根据《最大长度表》，进行计算，失配时，模式串向右移动的位数 = 已经匹配的字符数 - 失配字符的上一位字符的最大长度值

 

j值	1	2	3	4	5	6	7
P值	A	B	C	D	A	B	D
最大长度表	0	0	0	0	1	2	0

这个什么意思呢，做个例子，就是ABCDABD，已经匹配了前面6位，即ABCDAB，发现第七位的D失配了，此时的跳跃位置就是要6-2=4，移动四位。

到此，我个人对KMP和next的理解就介绍完了，我们回归第一个点，问题引入，根据KMP算法，写一下代码

package KMP;
/**
 * @date 2021-04-21
 */

import java.util.Arrays;

public class KMP {
    public static void main(String[] args) {
        String str1 = "BBC ABCDAB ABCDABCDABDE";
        String str2 = "ABCDABD";
        int[] next = kmpNext("ABCDABD");
        System.out.println("next数组" + Arrays.toString(next));
        int index = kmpSearch(str1, str2, next);
        System.out.println("index：" + index);
        //利用java里面的indexOf函数帮我们验证答案
        System.out.println("index：" + str1.indexOf(str2));
    }

    public static int kmpSearch(String str1, String str2, int[] next) {
        for (int i = 0, j = 0; i < str1.length(); i++) {
            //需要处理 str1.charAt(i) != str2.charAt(j), 去调整 j 的大小
            while (j > 0 && str1.charAt(i) != str2.charAt(j)) {
                j = next[j - 1];
            }

            if (str1.charAt(i) == str2.charAt(j)) {
                j++;
            }
            if (j == str2.length()) {
                return i - j + 1;
            }
        }
        return -1;
    }

    /*
    这是计算最大长度表，并非直接计算next值
     */
    public static int[] kmpNext(String str) {
        int[] next = new int[str.length()];
        next[0] = 0;
        for (int i = 1, j = 0; i < str.length(); i++) {
            while (j > 0 && str.charAt(i) != str.charAt(j)) {
                j = next[j - 1];
            }
            if (str.charAt(i) == str.charAt(j)) {
                j++;
            }
            next[i] = j;
        }
        return next;

    }
}

三、参考资料

从头到尾彻底理解KMP（2014年8月22日版） https://blog.csdn.net/v_july_v/article/details/7041827 （这一篇讲得非常棒，建议大家可以去看下）

（算法）通俗易懂的字符串匹配KMP算法及求next值算法 https://blog.csdn.net/qq_37969433/article/details/82947411（这一篇也不错，有动图，也是讲得很好）