KMP算法详解 理论+代码

此篇博客将KMP算法在字符串匹配中的应用。

例：文本串：aabaabaaf
模式串：aabaaf

1️⃣ 理论篇

正常的匹配思路，对文本串的每一个位置，往右遍历模式串长度，若匹配则返回，不匹配则继续文本串下一个位置，复杂度 $O(mn)$

KMP算法：设置双指针，分别指向文本串和模式串的其中一个位置，文本串指针永不回溯，当不匹配时回溯模式串指针，复杂度 $O(n)$

在讲解KMP算法前，先介绍什么是前缀和后缀，对于字符串aab，前缀：a，aa，后缀：b，ab
我们定义这样一个结构：next数组，用来记录一个字符串中最长相等前后缀的长度
这个定义较为抽象，我们来介绍例子，对于串a，只有一个字符，定义为0；对于串aa，值为1；对于串aab，没有相等的前后缀，为0；对于aabaa，值为2.

根据上述工作，我们可以求出模式串每个前缀的最长相等前后缀长度，并得到next数组这么一个结构。
在实际匹配中，到第6个字符我们会发现不匹配，此时看模式串前缀aabaa，得到前缀数组中的值为2，之后便可让模式串指针从第6变成第3，继续匹配，可以有效减少回溯次数。

2️⃣ 代码篇
先说下next数组的变种，对于上面的模式串，next数组应该为0，1，0，1，2，0
第一个变种会右移一位（最后一个用不到），第一个变成-1，这样遇见冲突时不用比较上一位，直接查找冲突为的next值即可。
第二个变成会让每个数-1，这种不太常见。

本次代码采取next数组第一个变种。

接下来我们来讲解如何在$O(N)$时间复杂度内求next数组
正常的做法，即我们的做法肯定是对每个前缀，遍历得到值，但这样是$O(N^2)$的时间复杂度。

设置i，j指针分别代表前缀的最后一个字符位置和后缀最后一个字符位置，同时i也是next数组的最后一个元素（可以思考一下为什么）
开始时，前缀不存在，所以i = -1，初始化next数组第一个元素是-1，j指向第一个元素。
由于i指向-1，所以无法匹配，0加入next数组，并让i等于0，j指向下一个元素。
此时就开始匹配了，如果i和j对应出的字符相同，说明可以由上一个i+1得到j处的next值。
如果不相同，就令i = next[i]，这一步是最难思考的，i是下标i之前的最长相等前后缀长度，next[i]也是下标next[i]之前的最长相等前后缀长度。这两个是怎么结合在一起的呢？我们可以从next[i]的定义出发，从i到next[i]可以保证前后缀仍然有相等元素，只是长度会变短。理解了这个就懂了。
上面的理解还不够细，准确的说，如果不匹配，那么当前前后缀是相同的，找更短的最长相等前后缀找其中一个子串即可，一定是和找整个串等价。

而在匹配部分的代码和计算next数组是完全一致的，不同之处是前缀结尾i应该初始化为0，后缀结尾j也是0.

此处代码是leetcode 28题代码

class Solution {
public:
    int strStr(string haystack, string needle) {
        int n = needle.size();
        if(n == 0)return 0;
        int next[n];
        memset(next, -1, sizeof(next));

        int i = -1, j = 0; // i和j代表前缀最后位置和后缀最后位置
        while(j<n-1)
        {
            if(i < 0 || needle[j] == needle[i])
            {
                i++;
                j++;
                next[j] = i;
            }
            else i = next[i];
        }

        // 根据next数据进行匹配
        i = 0, j = 0;
        while(j<haystack.size())
        {
            if(i<0 || haystack[j] == needle[i])
            {
                i++;
                j++;
                if(i == n)return j-n;
            }
            else i = next[i];
        }

        return -1;
    }
};