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];
}
}