KMP算法与前缀函数

KMP算法与前缀函数

说明

本文参考了 OI Wiki。

首先来明确几个概念：

• 后缀：后缀是从父串某个位置i开始到末尾结束的一个特殊字符串。
• 真后缀：不为父串本身的后缀字符串。
• 前缀：从父串开头到某个位置i结束的一个特殊字符串。
• 真前缀：不为父串的前缀字符串。

前缀函数

给定一个长度为$n$的字符串$s$，其前缀函数被定义一个长度为$n$的数组$\pi$，其定义为：

• 如果子串$s[\mathrm{0...}i]$有一对相等的真前缀与真后缀：$s[\mathrm{0...}k-1]$和$s[i-(k-1)...i]$，那么$\pi [i]$就是这个相等的真前缀（或者真后缀，因为它们相等)的长度，也就是$\pi [i]=k$
• 如果不止有一对相等的，那么$\pi [i]$就是其中最长的那一对的长度；
• 如果没有相等的，那么$\pi [i]=0$。

简单来讲$\pi [i]$就是字串$s[\mathrm{0...}i]$最长相等的真前缀和真后缀的长度，且特别规定$\pi [0]=0$。

我们由此定义给出代码：

//前缀函数
vector<int> prefix;	//前缀函数对应的数组，当然你可以将它写在prefix_func里面并最后返回
void prefix_func(const string& s) {
	int n = (int)s.length();
	prefix.resize(n);
	for (int i = 1; i < n; i++) {
		int j = prefix[i - 1];
		while (j > 0 && s[i] != s[j]) j = prefix[j - 1];
		if (s[i] == s[j]) j++;
		prefix[i] = j;
	}

}

KMP算法

复杂度

• 时间复杂度为 $O(n+m)$
• 空间复杂度为 $O(n)$

原理

Knuth–Morris–Pratt 算法原理如下：

给定一个文本$t$和一个字符串$s$，我们尝试找到$s$ 在$t$中的所有出现（用第一个字符的下标表示）。

为了简便起见，我们用$n$表示字符串$s$的长度，用$m$表示文本$t$的长度。

我们构造一个字符串 $s+\#+t$，其中$\#$为一个既不出现在$s$中也不出现在$t$中的分隔符。接下来计算该字符串的前缀函数。现在考虑该前缀函数除去最开始个$n+1$值（即属于字符串$s$和分隔符的函数值）后其余函数值的意义。根据定义，$\pi [i]$为右端点在$i$且同时为一个前缀的最长真子串的长度，具体到我们的这种情况下，其值为与$s$的前缀相同且右端点位于$i$的最长子串的长度。由于分隔符的存在，该长度不可能超过$n$。而如果等式$\pi [i]=n$成立，则意味着$s$完整出现在该位置（即其右端点位于位置$i$）。注意该位置的下标是对字符串$s+\#+t$而言的。

因此如果在某一位置$i$有$\pi [i]=n$成立，则字符串$t$在字符串$i-(n-1)-(n+1)$的$i-2n$处出现。

正如在前缀函数的计算中已经提到的那样，如果我们知道前缀函数的值永远不超过一特定值，那么我们不需要存储整个字符串以及整个前缀函数，而只需要二者开头的一部分。在我们这种情况下这意味着只需要存储字符串$s+\#$以及相应的前缀函数值即可。我们可以一次读入字符串$t$的一个字符并计算当前位置的前缀函数值。

// kmp算法，haystack为文本，needle为所查找的字符串
vector<int> kmp(string haystack, string needle) {
	string cur = needle + "#" + haystack;
	int sz1 = haystack.size();
	int sz2 = needle.size();

	vector<int>v;
	prefix_func(cur);
	for (int i = sz2 + 1; i <= sz1 + sz2; i++) {
		if (prefix[i] == sz2) v.push_back(i - 2 * sz2);	//如果要首次出现的位置，从这里返回即可
	}

	return v;
}

题目

LeetCode 第 28 题 找出字符串中第一个匹配项的下标