KMP字符串匹配算法

KMP算法简介

        KMP算法(Knuth-Morris-Pratt 算法)是一个著名的字符串匹配算法，它主要的思想是当出现字符串不匹配时，可以知道一部分之前已经匹配的文本内容，可以利用这些信息避免从头再去做匹配。

        本章以力扣 28. 实现 strStr()为例子进行讲解。

        力扣28.实现strStr()函数：给你两个字符串 haystack 和 needle ，请你在 haystack 字符串中找出 needle 字符串出现的第一个位置（下标从 0 开始）。如果不存在，则返回  -1 。

        说明：当 needle 是空字符串时，我们应当返回什么值呢？这是一个在面试中很好的问题。对于本题而言，当 needle 是空字符串时我们应当返回 0 。

        示例 1： 输入：haystack = "hello", needle = "ll"        输出：2

  此题若用暴力解法代码如下：

class Solution {
public:
    int strStr(string haystack, string needle) {
        int n=haystack.size(),m=needle.size();
        if(m==0) return 0;
        for(int i=0;i<n;i++){
            if(haystack[i]==needle[0]){
                for(int j=0;j<m;j++){
                    if(haystack[i+j]!=needle[j])
                        break;
                    if(j==m-1) return i;
                }
            }
        }
        return -1;
    }
};

         可见暴力匹配过程中实现的是一个双层循环，那么算法的时间复杂度较高，为О(n*m)，然而KMP的算法时间复杂度仅为О(n+m)，其算法性能明显提高，具体时间复杂度计算方法后面介绍。

前缀表

        KMP算法中一个重要的概念就是前缀表（prefix table），并用一维数组 next 记录前缀信息实际上next数组就是一个前缀表。

        了解前缀表我们首先需要了解前缀和后缀的区别，此处的前缀是指不包含最后一个字符的所有以第一个字符开头的连续子串，后缀是指不包含第一个字符的所有以最后一个字符结尾的连续子串。比如字符串“abac”的前缀有“a”, "ab”, "aba”，字符串“abac”的后缀有“c”,"ac”，"bac”。

        前缀表第 i 个位置存的值 next[i] 代表[0,i]这个字符串最长的相同前后缀的长度，比如字符串“abbc”的 next[3]为 0 ,next[2]为 1 ("aba”的前缀有“a”, "ab”，后缀有“a”,"ba”)。

        前缀表的作用是用来记录了模板串与主串(文本串)不匹配的时候，模板串应该从哪里开始重新匹配。

        KMP算法的核心思想就是先求出匹配模板的next数组，再运用next数组进行字符串匹配。  

如何构造前缀表next数组

void get_next(int *next,string t){ //t为模板字符串
        //定义两个指针prefix和suffix，prefix指向前缀起始位置，suffix指向后缀起始位置
        int prefix=0;
        next[prefix]=0;
        for(int suffix=1;suffix<t.size();suffix++){
            while(prefix>0 && t[suffix]!=t[prefix]){//前后缀不相同，前缀指针向前回退
                prefix=next[prefix-1];
            }
            if(t[suffix]==t[prefix]){//前后缀相同，前缀指针前进一位
                prefix++; 
            }
            next[suffix]=prefix;//更新next数组，prefix走到哪说明就有多少的相同的前后缀
        }
    }

如何用next数组进行模板匹配

int strStr(string haystack, string needle) {
        if(needle.size()==0) return 0;
        int next[needle.size()];
        get_next(next,needle);
        int j=0;
        //定义两个下标j指向模版串起始位置，i指向文本串起始位置
        for(int i=0;i<haystack.size();i++){
            while(j>0 && haystack[i]!=needle[j]){ //模版串j位置和文本串i位置不相同，j利用next数组回退到上一个相同的位置继续匹配
                j=next[j-1];
            }
            if(haystack[i]==needle[j]){  //模版串j位置和文本串i位置相同
                j++;
            }
            if(j==needle.size()){  //找到匹配的字符串
                return (i-needle.size()+1); //返回匹配的字符串起始位置
            }
        }
        return -1;
    }

由此可见构造next数组的时间复杂度是О(m)，利用next数组进行匹配的时间复杂度是О(n)，总的时间复杂度是О(n+m)