KMP算法

最新推荐文章于 2021-06-30 20:18:52 发布

脚踏实地，仰望星空

最新推荐文章于 2021-06-30 20:18:52 发布

阅读量118

点赞数

分类专栏：算法

本文链接：https://blog.csdn.net/qq_37469055/article/details/115222041

版权

字符串匹配 KMP算法部分匹配表暴力匹配 Java实现

关键词由CSDN通过智能技术生成

算法专栏收录该内容

27 篇文章 1 订阅

订阅专栏

一：应用场景-字符串匹配问题

字符串匹配问题：

有一个字符串 str1= "BBC ABCDAB ABCDABCDABDE"，和一个子串 str2="ABCDABD" ，现在要判断 str1 是否含有 str2, 如果存在，就返回第一次出现的位置, 如果没有，则返回-1

暴力匹配算法

1) 如果当前字符匹配成功（即 str1[i] == str2[j]），则 i++，j++，继续匹配下一个字符 
2) 如果失配（即 str1[i]! = str2[j]），令 i = i - (j - 1)，j = 0。相当于每次匹配失败时，i 回溯，j 被置为 0。 
3) 用暴力方法解决的话就会有大量的回溯，每次只移动一位，若是不匹配，移动到下一位接着判断，浪费了大量 的时间。(不可行!)

代码实现：

package com.github.kmp;

/**
 * @author lizhangyu
 * @version 1.0
 * @description
 * @date 2021/3/29 14:05
 */
public class ViolenceMatch {

    public static void main(String[] args) {
        String str1 = "BBC ABCDAB ABCDABCDABDE";
        String str2 = "ABCDABD";

        int index = violenceMatch(str1, str2);
        System.out.println("index=" + index); // 15 了
    }

    /**
     * 暴力匹配
     * @param str1
     * @param str2
     * @return
     */
    public static int violenceMatch(String str1, String str2) {
        char[] s1 = str1.toCharArray();
        char[] s2 = str2.toCharArray();

        int s1Len = s1.length;
        int s2Len = s2.length;

        int i = 0;
        int j = 0;

        while (i < s1Len && j < s2Len) {
            if (s1[i] == s2[j]) {
                i++;
                j++;
            }else {
                //如果失配（即 str1[i]! = str2[j]），令 i = i - (j - 1)，j = 0。
                //即是当前位置减去之前已经匹配的几个位置长度的大小，然后重新匹配开始
                i = i - (j - 1);
                j = 0;
            }
        }

        if (j == s2.length) {
            return i - j;
        }else {
            return -1;
        }

    }
}

运行结果：

index=15

二：KMP 算法介绍

KMP 是一个解决模式串在文本串是否出现过，如果出现过，最早出现的位置的经典算法
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.
KMP 方法算法就利用之前判断过信息，通过一个 next 数组，保存模式串中前后最长公共子序列的长度，每次回溯时，通过 next 数组找到，前面匹配过的位置，省去了大量的计算时间
参考资料：https://www.cnblogs.com/ZuoAndFutureGirl/p/9028287.html

2.1：KMP 算法最佳应用-字符串匹配问题

字符串匹配问题：
1) 有一个字符串 str1= "BBC ABCDAB ABCDABCDABDE"，和一个子串 str2="ABCDABD" 
2) 现在要判断 str1 是否含有 str2, 如果存在，就返回第一次出现的位置, 如果没有，则返回-1 
3) 要求：使用 KMP 算法完成判断，不能使用简单的暴力匹配算法.

思路分析图解：

举例来说，有一个字符串 Str1 = “ BBC ABCDAB ABCDABCDABDE ”，判断，里面是否包含另一个字符串 Str2 = “ABCDABD ”

1. 首先，用 Str1 的第一个字符和 Str2 的第一个字符去比较，不符合，关键词向后移动一位

2.重复第一步，还是不符合，再后移

3. 一直重复，直到 Str1 有一个字符与 Str2 的第一个字符符合为止

4. 接着比较字符串和搜索词的下一个字符，还是符合。

5. 遇到 Str1 有一个字符与 Str2 对应的字符不符合。

6. 这时候，想到的是继续遍历 Str1 的下一个字符，重复第 1 步。 ( 其实是很不明智的，因为此时 BCD 已经比较过了，没有必要再做重复的工作，一个基本事实是，当空格与 D 不匹配时，你其实知道前面六个字符是” ABCDAB ”。KMP 算法的想法是，设法利用这个已知信息，不要把”搜索位置”移回已经比较过的位置，继续把它向后移，这样就提高了效率。)

7. 怎么做到把刚刚重复的步骤省略掉？可以对 Str2 计算出一张《部分匹配表》，这张表的产生在后面介绍

8. 已知空格与 D 不匹配时，前面六个字符” ABCDAB ”是匹配的。查表可知，最后一个匹配字符 B 对应的”部分匹配值”为 2 ，因此按照下面的公式算出向后移动的位数：

移动位数 = 已匹配的字符数 - 对应的部分匹配值，因为 6 - 2 等于 4 ，所以将搜索词向后移动 4 位。

9. 因为空格与Ｃ不匹配，搜索词还要继续往后移。这时，已匹配的字符数为 2 （” AB ”），对应的”部分匹配值” 为 0 。所以，移动位数 = 2 - 0 ，结果为 2 ，于是将搜索词向后移 2 位。

10. 因为空格与 A 不匹配，继续后移一位。

11. 逐位比较，直到发现 C 与 D 不匹配。于是，移动位数 = 6 - 2 ，继续将搜索词向后移动 4 位。

12. 逐位比较，直到搜索词的最后一位，发现完全匹配，于是搜索完成。如果还要继续搜索（即找出全部匹配），移动位数 = 7 - 0 ，再将搜索词向后移动 7 位，这里就不再重复了。

13. 介绍《部分匹配表》怎么产生的

先介绍前缀，后缀是什么

“部分匹配值”就是”前缀”和”后缀”的最长的共有元素的长度。以”ABCDABD”为例， 
－”A”的前缀和后缀都为空集，共有元素的长度为 0； 
－”AB”的前缀为[A]，后缀为[B]，共有元素的长度为 0； 
－”ABC”的前缀为[A, AB]，后缀为[BC, C]，共有元素的长度 0； 
－”ABCD”的前缀为[A, AB, ABC]，后缀为[BCD, CD, D]，共有元素的长度为 0； 
－”ABCDA”的前缀为[A, AB, ABC, ABCD]，后缀为[BCDA, CDA, DA, A]，共有元素为”A”，长度为 1；
－”ABCDAB”的前缀为[A, AB, ABC, ABCD, ABCDA]，后缀为[BCDAB, CDAB, DAB, AB, B]，共有元素为”AB”， 长度为 2； 
－”ABCDABD”的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB]，后缀为[BCDABD, CDABD, DABD, ABD, BD, D]，共有元素的长度为 0。

14. ”部分匹配”的实质是，有时候，字符串头部和尾部会有重复。比如，” ABCDAB ”之中有两个” AB ”，那么它的”部分匹配值”就是 2 （” AB ”的长度）。搜索词移动的时候，第一个” AB ”向后移动4 位（字符串长度- 部分匹配值），就可以来到第二个”AB ”的位置。

到此 KMP 算法思想分析完毕 !

代码实现：

package com.github.kmp;

/**
 * @author lizhangyu
 * @version 1.0
 * @description
 * @date 2021/3/29 9:58
 */
public class KmpAlgorithm {

    public static void main(String[] args) {

        String str1 = "BBC ABCDAB ABCDABCDABDE";
        String str2 = "ABCDABD";

        int[] next = kmpNext(str2);
        print(next);

        System.out.println();
        int index = kmpSearch(str1, str2, next);
        System.out.println("index=" + index); // 15 了
    }

    /**
     * kmp 搜索算法
     * @param str1 源字符串
     * @param str2 子串
     * @param next 部分匹配表，是子串对应的部分匹配表
     * @return 如果是-1 就是没有匹配到，否则返回第一个匹配的位置
     */
    public static int kmpSearch(String str1, String str2, int[] next) {

        for (int i = 0, j = 0; i < str1.length(); i++) {
            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;
    }

    /**
     * 获取到一个字符串（字串）的部分匹配值表
     * @param dest
     * @return
     */
    public static int[] kmpNext(String dest) {
        //创建一个next数组保存部分匹配值
        int[] next = new int[dest.length()];
        //如果字符串的长度是1，则其部分匹配值就是0
        next[0] = 0;

        for (int i = 1, j = 0; i < dest.length(); i++) {
            //当 dest.charAt(i) != dest.charAt(j) ，我们需要从 next[j-1]获取新的 j
            //直到我们发现 有 dest.charAt(i) == dest.charAt(j)成立才退出 //这时 kmp 算法的核心点
            while (j > 0 && dest.charAt(i) != dest.charAt(j)) {
                j = next[j-1];
            }

            //当 dest.charAt(i) == dest.charAt(j) 满足时，部分匹配值就是+1
            if (dest.charAt(i) == dest.charAt(j)) {
                j++;
            }

            next[i] = j;
        }

        return next;
    }

    public static void print(int[] arr) {
        for (int i = 0; i < arr.length; i++) {
            System.out.print(arr[i] + "\t");
        }
    }
}

运行结果：