KMP算法

字符串匹配

什么叫字符串匹配或者字符串模式匹配？

假设主串为：“abcdeabcef” 子串为"abce" ,找出子串在主串中第一次出现的位置，即红色部分第一个字符的索引，上述问题就是我们通常说的字符串匹配问题，或者一些要用到上面知识的问题。

朴素算法

这个算法就跟它的名字一样，很朴素，就是理解起来比较简单，大家都会想到的思路，就是主串，子串各自建立一个索引，从下标为0开始比较，如果S[i]=P[i] 则继续比较下一位，当出现不等的情况时，子串整体向右移动一位，注意，是整体右移，与S[1]及其后面的字符开始比较。此处似乎应该放些图，更好理解。

好，前面那些步骤应该是很正常的，也是可以理解的，此时我们已经发现有6个字符是匹配好的，然后朴素算法的下一步却是:如下图

是不是觉得很可惜，觉得子串为什么不往后多移动几个位置，那么，移动几个位置呢？为什么要移动这个数量的位置呢？移动这个数量有什么根据吗？好这就引出了接下来的KMP算法
以上图片来源：http://www.ruanyifeng.com/blog/2013/05/Knuth–Morris–Pratt_algorithm.html

链接中算法原理讲的非常详细，但是个人觉得有点冗长，还是很推荐看一下的。
朴素算法的代码如下：

# -*- coding: utf-8 -*-

def String_Match(string,substring):
    len1,len2=len(string),len(substring)
    i,j=0,0
    while i<len1-len2+1:
        if string[i+j]==substring[j]: #如果相等则一直往后匹配
            if j==len2-1:#当匹配至子串最后一个字符时，返回索引i
                return i
            j+=1
        else:           #匹配失败，则子串整体右移一位
            j=0
            i+=1        
    return -1            #不存在该子串

s='abcdeabcef'
p1='abce'
p2='abef'
print(String_Match(s,p1))
print(String_Match(s,p2))

KMP算法

总的来说，字符串匹配还是经常遇到的，也看到过很多KMP算法思想的介绍，最终根据自己的体会，得到一张图,可能有点抽象，但是个人认为是这个算法的核心了，能看懂最好，看不懂也别怪我了：

图中写的较抽象，勿怪，更专业一点，子串当出现匹配失败时，子串右移位数是由一个叫做next表的东西来决定的，看了不少的博客，这个地方都是讲得似乎比较含糊，要不就是贴一段代码上来，为什么是这样求？怎么可以这样求？求next表才是是KMP算法的关键，因此我画了上面那图来帮助理解。

next表

首先，next表是对于子串而言的，它决定了子串的某一位匹配失败时，应该回退到哪，即这一位匹配失败回退值由这一位的next值决定。通过上面我画的图，相等区域，有个更专业的名称，叫最长公共前后缀，举个例子：

• abcddabc :最长公共前后缀为 abc
• efabcdef :最长公共前后缀为 ef
  那么，当我们匹配失败时，（看上面的图的右下角部分），我们从最长公共前后缀的前缀后一位开始继续匹配，因为它前面的都已经是匹配成功的。

next表的建立

next表的由来上面已经解释清楚了，模式串向右移动的位数为：已匹配字符数 - 失配字符的上一位字符所对应的最大长度值 下面通过一个例子来看建立过程
例如子串为: a b c d e a b f

i	0	1	2	3	4	5	6	7
子串/模式串	a	b	c	d	e	a	b	f
next[i]	-1	0	0	0	0	0	1	2

• next[0]=-1 这个记一下，-1表示不存在相同的最大前缀和最大后缀，模式串首字符的next值为-1

• next[1],next[2],next[3],next[4],next[5] 值均为 0,因为 i 位前的串最长公共前后缀长度都为0

• next[6]=1 ,因为substring[6] 前面为 abcdea 最长公共前后缀为 a 长度为 1

• next[7]=2 ,同next[6]理可得

即next[k]: substring 的前k个元素组成字符串的公共前后缀最大长度

def Get_next(substring):
    n=len(substring)
    next_table=[0]*n
    next_table[0]=-1
    j=0
    for i in range(1,n-1): #i+1最大取到n-1
        while j>0 and substring[i]!=substring[j]:
            j=next_table[j]
        if substring[i]==substring[j]:
            j+=1
        next_table[i+1]=j #next_table[i+1]是前面0到i串的公共缀最大长度
    return next_table

#打印next表
print(next('ABCABD'))
print(next('abcdeabcef'))

KMP算法代码实现

# -*- coding: utf-8 -*-

def Get_next(substring):
    n=len(substring)
    next_table=[0]*n
    next_table[0],next_table[1]=-1,0
    j=0
    for i in range(1,n-1): #i+1最大取到n-1
        while j>0 and substring[i]!=substring[j]:
            j=next_table[j]
        if substring[i]==substring[j]:
            j+=1
        next_table[i+1]=j #next_table[i+1]是前面0到i串的公共缀最大长度
    return next_table

#打印next表
print(Get_next('ABCABD'))
print(Get_next('abcdeabcef'))

def Kmp_Match(s,p):
    len1,len2=len(s),len(p)
    next_table=Get_next(p)
    i,j=0,0
    while i<len1:
        if s[i]!=p[j] and j>0:
            j=next_table[j]  #子串回退
        else:
            if j==len2-1:     #全部匹配成功
                return i-len2+1 #返回开头处索引
            j+=1
            i+=1
    return -1  #不存在该子串
#测试案例
print(Kmp_Match('abcdeabcef','abce')) # 5
print(Kmp_Match('abcfe','abce'))      # -1 表示不存在该子串
print(Kmp_Match('abcef','abce'))    # 0
print(Kmp_Match('abc','abce'))       #len2 >len1 不存在该子串
print(Kmp_Match('ABABABC','ABC'))     # 4
print(Kmp_Match('aabbABccABCABD','ABCA')) # 8
print(Kmp_Match('1235551234','1234')) # 6
    

如有问题，请随时指出，万分感谢！