【数据结构与算法】String-02 KMP和有限状态自动机

来源：《算法》第四版 第五章

1、暴力字符匹配算法

public static int search(String pt, String txt){
	int j, M = pat.length();
	int i, N = txt.length();
	for(i = 0, j = 0; i < N && j < M; i++){
		if(txt.charAt(i) == pat.charAt(j)) j++;
		else{ i -= j; j = 0;}
	}
	if(j == M) return i - M;	//找到匹配
	else return N;				//未找到匹配
}

  可以看到，第6句，每次匹配失败的时候，i 就会回退一些。这样在最坏的情况下，就造成了效率的低下。所以，我们不希望每一次 i 都回退到上一次匹配的开头，我们希望可以利用我们已经使用过的信息来完成回退的减少。

2、DFA考虑回退

  和大多数的教程不同，大多数的教程是用 next[] 数组来运算和记录它的会退，而《算法》中，采用了更好理解的 DFA（deterministic finite automation，确定有限状态自动机），比如对于 pattern字串“ABABAC”，根据这个字串就能确认它所对应的自动机：

  同时，它的 dfa[][] 也能很快的确定下来了，那根据我们画出的 自动状态机，我们去匹配各个字符串，以及清楚的知道它们的回退机制之后，我们就能很快的在 text字串 中开始O(N+M)复杂度的匹配了。

  dfa[][] 第一个 [] 中填充的是，i 所指的字符在字母表中的序号，第二个 [] 是 j ，也就是 pattern 中的第几个字符。在这个例子中，pattern的长度为6，也就是当 j 达到 6 的时候就已经是 自动状态机的停止状态了。

3、构造DFA

  当我们在匹配 i 指针 和 j 指针的字符的失败的时候，i 指针每次依然在前进，j 指针所执行的操作不像是回退，而更像是 状态自动机 中的状态重置。
  所以，我们现在只考虑它的重启状态：我们在扫描当前的 字符的值 的之前，就已经可以通过之前的已知信息来知道：如果它失败了，它应当回退到什么位置去。

  我们在以下的构造流程中，可以清楚的看到，模板 X 的走向会因为输入的变化而变化。

  构造出来的感觉就比较像是 KMP中的next[]数组。它的构造过程就分为 3 个步骤：

① 将dfa[][X]复制到dfa[][j]（对于匹配失败的情况）；
② 将dfa[pat.charAt（j）][j]设为 j+1（对于匹配成功的情况）；
③ 更新X。

dfa[pat.charAt(0)][0] = 1;
for(int X = 0,j = 1; j < M; j++){
	for(int c = 0; c < R; c++){
		dfa[c][j] = dfa[c][X];
	}
	dfa[pat.charAt(j)][j] = j + 1;
	X = dfa[pat.charAt(j)][X];
}