java学习笔记——KMP字符串匹配算法

字符串匹配暴力解法

• 暴力解法的思想很简单，规定两个指针，一个指向目标字符串（target）规定为指针j，一个指向待匹配字符串（source）规定为指针i，需要在source中找到target字符串并返回开头索引。
  

• 如果指针i和j指向的字符相同，就同时向后移动
  

• 一旦两个指针所指的字符串不相同，指针i就重新指向target的开头，而指针j则指向source开始匹配的下一个字符，重复以上步骤。
  

• 该解法虽然能够解决字符串的匹配问题，但是当进行回溯过程时，浪费了大量无意义的过程。如果以我们正常思想来看，完全没必要回溯至source中的第二个元素。因为它明显与target的开头匹配不上。

• 如果要解决以上浪费的问题，我们可以当匹配不上时，回溯到最近的，与target开头能匹配的位置上去，如下图所示。
  
  

• 现在的问题就是如何找到这个位置，而KMP算法就是解决这个问题的。

KMP算法匹配字符串

算法核心思想

• 当进行如下图所示的字符串匹配时，此时指针i和j所指的字符匹配不一致。但是我们可以看到，在前面匹配一致的内容中，开头黄色部分和当前所指元素前方的蓝色部分内容是一样的。
  

• 由于指针i之前的部分已经匹配成功，因此i前方的蓝色部分也和target前方黄色部分的内容相同，接下来我们应该保持指针i不动，而指针j指向target黄色部分后方的元素，与指针i所指的元素进行比较，继续进行匹配过程。
  

• 因此，在匹配过程中，如果指针i和j所指的内容不一致，而指针i前方紧连着的部分和target开头部分一致的话，我们就保持指针i不变，而指针j则指向开头内容一致部分的下一个元素，继续进行匹配。

• 而如果不是指针i紧连着的部分与target开头相匹配（即中间隔得有元素），那么即使有相同部分也毫无意义，因为黄色部分和蓝色部分后面的元素不一样，所以无论指针怎么回退，一定会在红框部分出现不匹配的情况。
  
  

• 所以，除了指针i前方紧连着的部分和target开头部分能匹配上，其他情况的处理方法均一致：指针 i 位置不变，指针 j 回到target的开头继续匹配。
  

next数组

• 讲明白了KMP算法的思想，剩下就只需要解决一个问题：当两个指针所指的元素不匹配时，如何确定指针 j 回退的位置。
• 根据之前的分析我们可以发现，当指针 i 和 j 所指元素不匹配时，指针 i 前方的 j 个字符是和target中指针 j 前方的字符完全一样的。因此指针 j 回退的位置只和target中的字符有关。
  
• 因此我们可以设定两个指针 k 和 j 分别指向0和1的位置。k 所指的位置即为 j 所指位置在匹配不一致时应该回退的位置。
  
• k保持不动，而 j 依次向后移动，当两个指针所指的元素一样时，两个元素一起向后移动。
  
• 当两个指针所指元素再次不一样时，此时 k 所指位置依然是 j 所指元素回退时的位置。因为 j 前方紧挨着的部分仍然和taget开头部分的内容相同。
  
• 当下次 j 移动至下一位时，k 回到target的开头的位置。
  
• 以上面的过程直到 j 遍历完整个target为止，而 j 每移动一次，就把 k 的位置记录下来，并将它们储存至一个数组中，该数组就叫做next数组。
• 获取next数组的代码

    /**
     * 获得next数组
     * @param target    目标字符串
     * @return  next数组
     */
    public static int[] getNext(String target){
        int[] next = new int[target.length()];
        int k = -1; //k先指向next数组的-1位置
        int j = 0;
        next[0] = -1;   //默认k在0位置时的回退位置为-1
        while (j<target.length()-1){
            //当j指向元素与k指向元素不匹配，并且j前面的元素与target开头内容匹配时，其回退位置为target开头已匹配内容的下一个元素（即k的位置），因此需要先移动指针再赋值
            if (k==-1 || target.charAt(k)==target.charAt(j)){
                k++;
                j++;
                next[j] = k;
            }else { //如果不匹配时，k指针回退。如果k在0位置，则回退至-1位置。
                k = next[k];
            }
        }
        return next;
    }

• 代码中next[0]位置为什么回退位置为-1，这点可能有些难以理解，下面将用图解的方式来解释该流程。
• 初始状态 k 指向-1，j 指向0。除0位置的回退位置为-1，其他所有位置默认初始化位置都为0。
  
• k==-1时，两个指针同时向后移动一位
  
• 两个指针所指的元素不匹配，k回退至-1（next[0]）。
  
• k==-1条件又成立，两个指针再次同时向后移动一位
  
• 重复以上步骤，直到 j 指向A
  
• 此时满足target.charAt(k)==target.charAt(j)条件，两个指针同时向后移动一位，此时 j 指向位置的回退位置为 k 的位置
  
• 仍然满足target.charAt(k)==target.charAt(j)条件，两个指针同时向后移动一位，此时虽然两个指针指向的元素不匹配，但是根据之前的分析，j 前方紧挨着的内容与开头的内容匹配，其回退位置为开头匹配内容的后一位（即 k 的位置），所以逻辑才是先移动再赋值。
  
• 下次循环时，既不满足k==-1也不满足target.charAt(k)==target.charAt(j)，k回退至next[k]（即0位置）
  
• 下次循环依然两个条件都不满足，k回退next[0]（即-1）
  
• 重复以上步骤直到 j 指向最后一个元素。这里注意！循环条件必须是j<target.length()-1，因为当 j==target.length() 进入循环后，j++以后next[j]会产生数组越界异常。