KMP模式匹配算法理解

KMP模式匹配算法原理

当模式与主串之间存在许多“部分匹配”的情况下，KMP算法相较于朴素匹配算法，可以减少很多不必要的回溯。
令主串为S，匹配串为T。用 i 标记主串S中当前位置下标， j 标记T中正在匹配的位置下标。故在KMP中，i 值不回溯，及不减小。主要是j 值的变化。
假设S为“abcabcabdabba”，T为“ abcabd”。

首次匹配结果是S[5]与T[5]不相等，故T串继续右移匹配。（如果是朴素匹配，则T串只右移一位，使i 从0 变为1，j从0开始匹配）但在KMP中，我们知道在T串中T[0…1]与T[3…4]相等，都是ab，而在之前的匹配中得到S[3…4]与T[3…4]匹配，所以S[3…4]也一定与T[0…1]匹配，所以就可以直接将S[5]与T[2]对齐匹配，即 i 从0 变为5，j 从2开始匹配。
故关键是确定 j 值的变化， 知道匹配的下一次j 值是多少，减少不必要的回溯。但前提是要知道T串中前后的字符相等情况，才可进一步确定j值的变化。

• T串中前后的字符相等情况指的是其前缀和后缀是否相等。如对于上面的T = abcabd，子串T[0…3] 的前-后缀是"a"，子串T[0…4] 的前-后缀是"ab"，T[0…5] 的前-后缀是空串""，或没有后缀。如果一个子串有多个前-后缀，我们只考虑最长的那一个。例如，“aaaaa"的最长前-后缀是"aaaa”（它本身"aaaaa"不是真前/后缀）。

综上总结为，当S[i]与T[j]匹配失败时，如果我们知道T[0…j-1]有最长前后缀为T[0…k]，则可直接将S[i]与T[k+1]对齐，开始下一次匹配比较。（因为T[0…k] 一定与S[0…i-1]的后缀匹配成功。）

而确定j值的变化，通常是用数组NEXT[j]来记录 。NEXT[j]表示T[0…j]的最长前后缀中前缀的下一个位置。在上例中，T[0…4]中最长前缀是T[0…1]，则next[4] = 2，下一次匹配j值为2，即将从S[i]与T[2]开始比较。

KMP算法实现

/* 返回子串T在主串S中第pos个字符之后的位置。 若不存在，则函数返回值为0。 */
 /* T非空，1≤pos≤StrLength(S)。 */
  int Index_KMP(String S, String T, int pos) 
  { 
  /* i用于主串S当前位置下标值，若pos不为 1， */
  /* 则从pos位置开始匹配 */
  int i = pos;
  /* j用于子串T中当前位置下标值 */
  int j = 1; 
  /* 定义一next数组 */
  int next[255];
  /* 对串T作分析，得到next数组 */
  get_next(T, next);
  /* 若i小于S的长度且j小于T的长度时， */ 
  /* 循环继续 */ 
  while (i <= S[0] && j <= T[0]) { 
    /* 两字母相等则继续，相对于朴素算法 增加了 */
    /* j=0判断 */
    if (j == 0 || S[i] == T[j]) {
        ++i;
        ++j;
    }
    /* 指针后退重新开始匹配 */
    else { 
      /* j退回合适的位置，i值不变 */
      j = next[j]; 
    } 
  }
  if (j > T[0]) 
    return i - T[0]; 
  else
    return 0; 
  }

get_next()函数：对串T作分析，得到next数组

/* 通过计算返回子串T的next数组。 */ 
void get_next(String T, int *next) 
{ 
  int i, j; 
  i = 1; 
  j = 0; 
  next[1] = 0; 
  /* 此处T[0]表示串T的长度 */ 
  while (i < T[0]) { 
  /* T[i]表示后缀的单个字符， */ 
  /* T[j]表示前缀的单个字符 */ 
  if (j == 0 || T[i] == T[j]) { 
  ++i; 
  ++j; 
  next[i] = j; 
  }else
  /* 若字符不相同，则j值回溯 */ 
  j = next[j]; 
  } 
  }