KMP是一种最基础的字符串算法,用于处理单模式串匹配(听起来有点高深,不要慌,我也不知道是什么,看下去就知道了)。
首先我们看看KMP是干什么的——给你两个字符串,寻找其中一个字符串是否包含另一个字符串,如果包含,返回包含的起始位置。
一般匹配字符串时,我们从目标字符串str(假设长度为n)的第一个下标选取和ptr长度(长度为m)一样的子字符串进行比较,如果一样,就返回开始处的下标值,不一样,选取str下一个下标,同样选取长度为n的字符串进行比较,直到str的末尾(实际比较时,下标移动到n-m)。这样的时间复杂度是O(n*m)。
KMP算法:可以实现复杂度为O(m+n)。
为何简化了时间复杂度:充分利用了目标字符串ptr的性质(比如里面部分字符串的重复性,即使不存在重复字段,在比较时,实现最大的移动量)。
考察目标字符串ptr:
ababaca
next数组的含义就是一个固定字符串的最长前缀和最长后缀相同的长度。
比如:abcjkdabc,那么这个数组的最长前缀和最长后缀相同必然是abc。
abcbc,最长前缀和最长后缀相同是不存在的。
注意最长前缀:是说以第一个字符开始,但是不包含最后一个字符。
对于目标字符串ptr,ababaca,长度是7,所以next[1],next[2],next[3],next[4],next[5],next[6],next[7]分别计算的是a,ab,aba,abab,ababa,ababac,ababaca的相同的最长前缀和最长后缀的长度。由于a,ab,aba,abab,ababa,ababac,ababaca的相同的最长前缀和最长后缀是“”,“”,“a”,“ab”,“aba”,“”,“a”,所以next数组的值是[0,0,1,2,3,0,1],这里0表示不存在,1表示存在长度为1,2表示存在长度为2。
next数组就是说一旦在某处不匹配时(下图绿色位置A和B),移动ptr字符串,使str的对应的最大后缀(红色2)和ptr对应的最大前缀(红色3)对齐,然后比较A和C。next数组的值,与下次往前移动字符串ptr的移动距离。当next[i]=0时向后移一位,当next[i]!=0时移动len-next[i]位。比如next中某个字符对应的值是4,则在该字符后的下一个字符不匹配时,可以直接移动往前移动ptr 3个长度,再次进行比较判别。
那么如何求next数组呢?
假设此时已经求出了next[0]...next[i-1],怎么求next[i]呢?
为了方便设k=next[i-1],如果b[k+1]=b[i]非常简单,next[i]=next[i-1]+1。如果不匹配呢?
while(k>0&&b[k+1]!=b[i])k=next_[k];next[i]=k。什么意思呢?如果不匹配就将k变成next[k]这样可以使前缀相等,最大限度延长前缀的长度。
附赠 HDU1711的代码:#include<iostream>
#include<cstring>
#include<cstdlib>
#include<algorithm>
#include<cmath>
#include<cstdio>
#define N 10005
using namespace std;
int a[N*100],b[N],next_[N],n,m;
inline int read()
{
int x=0,f=1;char s=getchar();
while(s<'0'||s>'9'){if(s=='-')f=-1;s=getchar();}
while(s<='9'&&s>='0'){x=x*10+s-'0';s=getchar();}
return x*f;
}
int kmp()
{
for(int i=1;i<=n;i++)
{
int k;
while(k>0&&b[k+1]!=a[i])k=next_[k];
if(b[k+1]==a[i])k++;
if(k==m)return i-m+1;
}
return -1;
}
int main()
{
int T=read();
while(T--)
{
n=read(),m=read();
for(int i=1;i<=n;i++)a[i]=read();
for(int i=1;i<=m;i++)b[i]=read();
if(n<m)puts("-1");else
{
next_[1]=0;int k=0;
for(int i=2;i<=m;i++)
{
while(k>0&&b[k+1]!=b[i])k=next_[k];
if(b[k+1]==b[i])k++;
next_[i]=k;
}
printf("%d\n",kmp());
}
}
return 0;
}