KMP算法

kmp算法本身匹配的方法理解感觉不太难，最大的难点可能就是next数组的计算，不容易理解。匹配的原理就是，提前算出子串的一个next数组，这个next数组记录了子串中到当前位置的字符串的最长前后缀（前后部分的相同部分的最长长度），利用这个next表，当子串和主串比对的时候，如果不同，就会找next表，利用这个最长长度，计算移动到对应的位置，使得最长前面的部分不用在去匹配，用来提高匹配效率。本文是参考的《王道考研数据结构》上写的，只是记录的一些自己的理解哈。

前缀，后缀，部分匹配值

前缀：除最后一个字符以外，字符串的所有头部子串

后缀：除第一个字符以外，字符串的所有尾部子串

部分匹配值：字符串的前后缀的最长相等前后缀长度

以 “ababa”为例

字符串	前缀	后缀	部分匹配值
a	∅	∅	0
ab	{a}	{b}	0
aba	{a,ab}	{a,ba}	1
abab	{a,ab,aba}	{b,ab,bab}	2
ababa	{a,ab,aba,abab}	{a,ba,aba,baba}	3

部分匹配值 = (前缀集合 ∩ 后缀集合 ) 的长度

恭喜！这里next数组的雏形就出来了，说实话这就是next数组。真正最后用的也是在这个基础上优化出来的Next数组。接下来就是使用这个数组，和如何优化。

S	a	b	a	b	a
next	0	0	1	2	3

部分匹配值的使用

主串：a b a b c a b c a c b a b

子串：a b c a c

首先拿到next数组

序号	1	2	3	4	5
S	a	b	c	a	c
next	0	0	0	1	0

第一次匹配：

ababcabcacbab

abc

a 和 c不匹配。 前面 ‘ab’ 匹配。最后一个匹配字符b对应的匹配值为0

按照 ： 移动位数 = 已匹配的字符数 - 对应的部分匹配值

得出： 移动位数 = 2 - 0 = 2

第二次匹配：

ababcabcacbab

​ abcac

b 和 c不匹配。前面’abca’匹配，最后一个匹配字符a对应的匹配值为1

移动位数 = 4 - 1 = 4

第三次匹配：

ababcabcacbab

​ abcac

子串比对完成。主串没有回退，所以KMP算法时间复杂度为O(n + m)

算法改进

当前的算法

移动位数 = 已匹配的字符数 - 对应的部分匹配值

转为伪代码。

Move = (j - 1) - next[j - 1]
//这里 j的值是对应上面的next表里的序号，如果代码里面数组是从0开始算的话。就应该是 
Move = j - next[j - 1]

优化

使用部分匹配的时候，每次失败都需要找到前一个元素匹配的部分匹配值，使用起来不太方便。将数组右移一位，这样一旦失败直接取到对应的值

序号	1	2	3	4	5
S	a	b	c	a	c
next	-1	0	0	0	1

• 第一个元素为右移之后空缺，用-1填充。目的是第一位不匹配，向右移动一位。就是：移动位数 = 已匹配的字符数（0） + 1 = 1
• 最后一个元素溢出，因为根本用不到。

这样上面的式子就改为

//按书上的那个序号算
Move = (j - 1) - next[j]
//数组是从0开始算
Move = j - next[j]

那么计算移动应该到达的位置（子串中指针j应该移动到的位置）

j = j - Move 
  = j - ((j - 1) - next[j]) = next[j] + 1  //书上的
  = j - (j - next[j]) = next[j]			   //从0计算

因为每次j = next[j] + 1每次都要+1，很麻烦，把+1放到数组的值里面。这样一旦不匹配就移动到第next[j]的位置即可。

对于数组是从0开始计算的话，不用这个+1操作了，本身就已经是对应的坐标位置了。

OK，以上就是next怎么来的原因。

接下来就是计算next的代码了。

next数组计算代码

书上的错误

//这段是书上写的程序代码，测试用例："abcac"
void get_next(String T,int next[]){
    int i = 1, j = 0;
    next[1] = 0;
    while(i < T.length){
        if(j == 0 || T.ch[i] == T.ch[j]){
            ++i;++j;next[i] = j;
        }
        else
            j = next[j];
    }
}

这块部分我照着改成C++，Kotlin的方式写了，得出来的结果都不对。自己推逻辑感觉没问题，但是计算机算出来就是不对。最终的问题还是出在指针的位置问题。因为书上讲的编号都是以1开头来算的，但是字符串可不是从1开始算的啊。导致字符串和next数组根本是错开的。问题就出在 T.ch[i] == T.ch[j]上面。得到的next数组就是 0,1,1,1,1

书上代码纠正

//书上代码更正
void get_next(String T,int next[]){
    int i = 1, j = 0;
    next[1] = 0;
    while(i < T.length){
        if(j == 0 || T.ch[i - 1] == T.ch[j - 1]){
            ++i;++j;next[i] = j;
        }
        else
            j = next[j];
    }
}

按照从0开始计算的代码

从0开始的话就不会出现上面的问题，从1开始逻辑没理清就很容易出现错位问题。

void get_next(String T,int next[]){
    int i = 0, j = -1;
    next[1] = -1;
    while(i < T.length - 1){
        if(j == -1 || T.ch[i] == T.ch[j]){
            ++i;++j;next[i] = j;
        }
        else
            j = next[j];
    }
}

//kotlin版
fun String.getNextArr():Array<Int>{
    val list = Array(this.length){i ->  -1}
    var i = 0
    var j = -1
    while (i < this.length - 1){
        if(j == -1 || this[i] == this[j]){
            ++i
            ++j
            list[i] = j
        }
        else
            j = list[j]
    }
    return list
}

代码讲解

额，这块还是按照书上从1开始的方式讲解吧。首先是初始化，i = 1,j = 0。i是持续向后走的，j指针是来回跳的。j主要作用就是和i进行比较，如果i，j的字符相等，i，j同时向后移动，并将j的当前位置赋给i对应的next元素，为什么这么做？分开说

• i,j同时向后移动做的事就是为了下一次循环再次比对，是否还是相等
• 将j的当前位置赋给i对应的next元素，为的是记录当出现不匹配的时候，跳转的位置。同时也是完成了前面说的右移操作。也就是说这个位置是记录在匹配好的时候i位置的后一位，也就是做了++i之后的操作。
• 还有一个操作就是判断了 j == 0，刚好是第一个的前一个，j = 0是为了方便后面+1直接刚好是第一个，这样只要不匹配，得到的坐标就是第一个的位置，直接子串拉回第一个，从头判断
• else部分就是当不匹配也不是最初状态的时候，j回退到上一次匹配到的位置，下次循环紧接着之前的位置继续匹配。

KMP全部代码

//kotlin版
fun main(){
    var substr = "abcac"
    val next = substr.getNextArr()
    val str = "ababcabcacbab"
    var i = 0
    var j = 0
    var pos = -1
    while (i + substr.length - j != str.length){
        if(j == -1 || str[i] == substr[j]){
            i++
            j++
        }else{
            j = next[j]
        }

        if(j == substr.length){
            pos = i - j
            break
        }
    }
    println(pos)
}

这块没有什么难度了。大家自行分析吧。

速成KMP，推荐一个视频。

觉得文章有些长，可以看这个b站大佬的KMP视频，讲的非常好。

KMP字符串匹配算法1

KMP字符串匹配算法2


欢迎关注菠萝菠萝卜的博客 (也是我 😜😜😜)