文章目录
== KMP的经典思想就是:当出现字符串不匹配时,可以记录一部分之前已经匹配的文本内容,利用这些信息避免从头再去做匹配。==
1.什么是KMP
因为是由三位学者发明的:Knuth , Morris 和 Pratt ,所以取了三位学者的名字的首字母。所以叫做KMP
2.KMP有什么用
KMP主要应用在字符串匹配上
KMP的主要思想就是当字符串不匹配时,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了。
所以如何记录已经匹配的文本内容,是KMP的重点,也是next数组肩负的重任。
那么next数组是什么,next数组里的数字表示的是什么,为什么这么表示?
听我娓娓道来!!!
3.什么是前缀表
next数组其实就是一个前缀表(prefix table)
那么前缀表有什么作用呢?
前缀表是用来回退的,它记录了模式串与主串(文本串)不匹配的时候,模式串应该从哪里开始重新匹配
举个例子:要在文本串:aabaabaafa中查找是否出现过一个模式串:aabaaf
(请记住文本串和模式串的作用,要不然很容易懵)
不难看出,文本串中第6个字符b和模式串中的第6个字符f不匹配了。如果我们暴力匹配,发现不匹配,此时就会从头匹配了。
如果使用前缀表,就不会从头匹配,而是从上次已经匹配的内容开始匹配,找到了模式串中第3个字符b开始匹配
此时就会有疑问了,前缀表是如何记录的呢?
首先要清楚前缀表的任务是:当前位置匹配失败,找到之前已经匹配上的位置,再重新匹配,这也就意味着某个字符匹配失败时,前缀表会告诉你下一步匹配中,模式串应该跳到哪个位置
前缀表:记录下标i之前(包括i)的字符串中,有多大长度的相同前缀后缀
这里又出来了前缀和后缀,那么什么是前缀和后缀呢?
前缀就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
举例: 字符串abaaf
前缀有:a ab aba abaa
后缀有:f af aaf baaf
前缀表要求的是相同前后缀的长度。
比如: 字符串a的最长相等前后缀为0。字符串aa的最长相等前后缀为1。自字符串aaa的最长相等前后缀为2。等等。。。
4.为什么一定要用前缀表
回顾一下,刚刚匹配的过程在下标5的地方遇到不匹配,模式串是指向f,如图:
然后就找到了下标2,指向b,继续匹配,如图:
划重点!!!!!
以下这句话,对于理解为什么使用前缀表可以告诉我们匹配失败之后跳到哪里重新匹配 非常重要!
下标5之前这部分的字符串(也就是字符串aabaa)的最长相等的前缀和后缀字符串是子字符串aa,因为找到了最长相等的前缀和后缀(最长前缀后缀为2),匹配失败的位置是后缀子串的后面,那么我们找到与其相同的前缀的后面重新匹配就行了
所以,前缀表具有告诉我们当前位置匹配失败,跳到之前已经匹配过得地方的能力。
5.如何计算前缀表
在计算前缀表之前一定要明确:
前缀: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: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。
开始计算:
a的最长相同前后缀的长度为0
aa的最长相同前后缀的长度为1 (a)
aab的最长相同前后缀的长度为0
aaba的最长相同前后缀的长度为1 (a)
aabaa的最长相同前后缀的长度为2(aa)
aabaaf的最长相同前后缀的长度为0
那么把求得的最长相同前后缀的长度就是对应前缀表的元素,如图:
可以看出模式串与前缀表对应位置的数字就是:下标i之前(包括i)的字符串中,有多大长度的相同前后缀
若找到不匹配的位置, 那么此时我们要看它的前一个字符的前缀表的数值是多少。
为什么要前一个字符的前缀表的数值呢,因为要找前面字符串的最长相同的前缀和后缀。
所以要看前一位的 前缀表的数值。
前一个字符的前缀表的数值是2, 所以把下标移动到下标2的位置继续匹配。
最后就在文本串中找到了和模式串匹配的子串了。
6.前缀表与next数组
很多KMP算法的实现都是使用next数组来做回退操作,那么next数组与前缀表有什么关系呢?
next数组就可以是前缀表,但是很多实现都是把前缀表统一减一(右移一位,初始位置为-1)之后作为next数组。
为什么这么做呢?其实这并不涉及到KMP的原理,而是具体实现,next数组既可以就是前缀表,也可以是前缀表统一减一(右移一位,初始位为-1)。
7.时间复杂度分析
其中n为文本串长度,m为模式串长度,因为在匹配的过程中,根据前缀表不断调整匹配的位置,可以看出匹配的过程是O(n),之前还要单独生成next数组,时间复杂度是O(m)。所以整个KMP算法的时间复杂度是O(n+m)的。
暴力的解法显而易见是O(n × m),所以KMP在字符串匹配中极大地提高了搜索的效率。
8.构造next数组
我们定义一个函数getNext来构建next数组,函数参数为int型的next数组和一个字符串。 代码如下:
void getNext(int[] next,String s)
构造next数组其实就是计算模式串s前缀表的过程,主要有如下三步:
- 1.初始化
- 2.处理前后缀不相同的情况
- 3.处理前后缀相同的情况
接下来详解一下:
1.初始化
定义两个指针i和j,j指向前缀末尾位置,i指向后缀末尾位置
然后还要对next数组进行初始化赋值,如下:
int j = -1;
next[0] = j;
j为什么要初始化为-1呢,因为前面说过,前缀表要统一减一的操作仅仅是其中的一种实现,这里选择j初始化为-1.
next[i]表示i(包括i)之前最长相等的前后缀长度(其实就是j)
所以初始化next[0] = j。
2.处理前后缀不相同的情况
因为j初始化为-1,那么i就从1开始,进行s[i]和s[j+1]的比较
所以遍历模式串s的循环下标i要从1开始,代码如下:
for (int i = 1; i < s.length(); i++){
如果s[i]和s[j+1]不相同,也就是遇到前后缀末尾不相同的情况,就要向前回退。
如何回退呢?
next[j]就是记录着j(包括j)之前的子串的相同前后缀的长度
那么s[i]和s[j+1]不相同,就要找一个j+1前一个元素在next数组中的值(就是next[j])
所以,处理前后缀不相同的情况代码如下:
while(j >= 0 && s.charAt(i) != s.charAt(j+1)){//前后缀不相同
j=next[j];//向前回退
}
3.处理前后缀相同的情况
如果s[i]和s[j+1]相同,那么就同时向后移动i和j ,说明找到了相同的前后缀,同时还要将j(前缀的长度)赋给next[i],因为next[i]要记录相同前后缀的长度。
代码如下:
if(s.charAt(i) == s.charAt(j+1)){
j++;
}
next[i] = j;
最后整体构建next数组的函数代码如下:
public void getNext(int[] next, String s){
int j = -1;
next[0] = j;
for (int i = 1; i < s.length(); i++){
while(j >= 0 && s.charAt(i) != s.charAt(j+1)){//前后缀不相同
j=next[j];//向前回退
}
if(s.charAt(i) == s.charAt(j+1)){
j++;
}
next[i] = j;
}
}
9.使用next数组来做匹配
在文本串s里找是否出现过模式串t
定义两个下标j指向迷试穿起始位置,i指向文本串起始位置
那么j初始值依然为-1,为什么呢?因为next数组里记录的起始位置为-1
i从0开始,遍历文本串,代码如下:
for(int i=0;i<s.length();i++)
接下来就是s[i]与t[j+1](因为j从-1开始的)进行比较
如果s[i]与t[j+1]不相同,j就要从next数组里寻找下一个匹配的位置
代码如下:
while(j>=0 && s.charAt(i)!=t.charAt(j+1)){
j = next[j];
}
如果 s[i] 与 t[j + 1] 相同,那么i 和 j 同时向后移动, 代码如下:
if(s.charAt(i)==t.charAt(j+1)){
j ++;//i的增加在for循环里
}
如何判断在文本串s里出现了模式串t呢,如果j指向了模式串t的末尾,那么就说明模式串t完全匹配文本串s里的某个子串了。
本题要在文本串字符串中找出模式串出现的第一个位置 (从0开始),所以返回当前在文本串匹配模式串的位置i 减去 模式串的长度,就是文本串字符串中出现模式串的第一个位置。
代码如下:
if(j == needle.length()-1){
return (i-needle.length()+1);
}
那么使用next数组,用模式串匹配文本串的整体代码如下:
int j = -1;//因为next数组里记录的起始位置为-1
for(int i = 0; i < haystack.length(); i++){//注意i就从0开始
while(j>=0 && haystack.charAt(i) != needle.charAt(j+1)){//不配
j = next[j];//j寻找之前匹配的位置
}
if(haystack.charAt(i) == needle.charAt(j+1)){//匹配,j和i同时向后移动
j++;//i的增加在for循环里
}
if(j == needle.length()-1){
return (i-needle.length()+1);//文本串s里出现了模式串t
}
}
10.前缀表统一减一 java实现
class Solution {
public void getNext(int[] next, String s){
int j = -1;
next[0] = j;
for (int i = 1; i < s.length(); i++){
while(j >= 0 && s.charAt(i) != s.charAt(j+1)){//前后缀不相同
j=next[j];//向前回退
}
if(s.charAt(i) == s.charAt(j+1)){
j++;
}
next[i] = j;
}
}
public int strStr(String haystack, String needle) {
if(needle.length()==0){
return 0;
}
int[] next = new int[needle.length()];
getNext(next, needle);
int j = -1;//因为next数组里记录的起始位置为-1
for(int i = 0; i < haystack.length(); i++){//注意i就从0开始
while(j>=0 && haystack.charAt(i) != needle.charAt(j+1)){//不配
j = next[j];//j寻找之前匹配的位置
}
if(haystack.charAt(i) == needle.charAt(j+1)){//匹配,j和i同时向后移动
j++;//i的增加在for循环里
}
if(j == needle.length()-1){
return (i-needle.length()+1);//文本串s里出现了模式串t
}
}
return -1;
}
}
11.前缀表(不减一 ) java实现
class Solution {
//前缀表(不减一)Java实现
public int strStr(String haystack, String needle) {
if (needle.length() == 0) return 0;
int[] next = new int[needle.length()];
getNext(next, needle);
int j = 0;
for (int i = 0; i < haystack.length(); i++) {
while (j > 0 && needle.charAt(j) != haystack.charAt(i))
j = next[j - 1];
if (needle.charAt(j) == haystack.charAt(i))
j++;
if (j == needle.length())
return i - needle.length() + 1;
}
return -1;
}
private void getNext(int[] next, String s) {
int j = 0;
next[0] = 0;
for (int i = 1; i < s.length(); i++) {
while (j > 0 && s.charAt(j) != s.charAt(i))
j = next[j - 1];
if (s.charAt(j) == s.charAt(i))
j++;
next[i] = j;
}
}
}
12.总结
我们介绍了什么是KMP,KMP可以解决什么问题,然后分析KMP算法里的next数组,知道了next数组就是前缀表,再分析为什么要是前缀表而不是什么其他表。
接着从给出的模式串中,我们一步一步的推导出了前缀表,得出前缀表无论是统一减一还是不减一得到的next数组仅仅是kmp的实现方式的不同。
其中还分析了KMP算法的时间复杂度,并且和暴力方法做了对比。
然后先用前缀表统一减一得到的next数组,求得文本串s里是否出现过模式串t,并给出了具体分析代码。
又给出了直接用前缀表作为next数组,来做匹配的实现代码。
参考文章:代码随想录 KMP算法讲解