Java十大算法之KMP算法

场景:字符串匹配问题
有一个字符串 a="abcdefg"和另一个字符串b=“bc”,现要判断a里面是否包含b,如果存在,返回第一次出现的位置,如果不存在,返回-1.

传统解决方案:暴力匹配算法
思路分析:
(1)如果当前字符匹配成功,则i++,j++,继续匹配下一个字符
(2)如果匹配失败,使i = i - (j - 1),j = 0,相当于每次匹配失败时,i回溯,j被置0

代码实现

package com.self.tenAlgorithm;

public class ViolenceMatch {
    public static void main(String[] args) {
        String a = "abcdefg";
        String b = "bc";

        int i = violenceMatch(a, b);
        System.out.println(i);
    }
    public static int violenceMatch(String str1,String str2){
        char[] s1 = str1.toCharArray();
        char[] s2 = str2.toCharArray();

        int s1Len = s1.length;
        int s2Len = s2.length;

        int i = 0;
        int j = 0; //索引

        while (i < s1Len && j < s2Len){
            if(s1[i] == s2[j]){
                i++;
                j++;
            }else{
                i = i - (j - 1);
                j = 0;
            }
        }
        if(j == s2Len){
            return i - j;
        }else{
            return -1;
        }
    }
}

暴力匹配算法存在问题:会产生大量回溯,每次只移动一位,若是匹配不成功,移动下一位接着判断,浪费了大量时间.

1.KMP算法

KMP(Knuth-Morris-Pratt),简称"KMP算法",是一个解决模式串在文本中是否出现过,如果出现过,最早出现的位置的经典算法,KMP算法就是利用之前判断过信息,通过有个next数组,保存模式串中前后最长公共子序列的长度,每次回溯时,通过next数组找到,前面匹配过得位置,省去了大量的计算时间.

KMP算法的应用:
案例:有一个字符串:str1=“BBC ABCDAB ABCDABCDABDE”,子串str2=“ABCDABD”,使用KMP算法判断子串是否存在,如果存在,返回第一次出现的位置,如果没有,返回-1.
思路分析
(1)用str1的第一个字符和str2的第一个字符去比较,不符合,关键词向后移一位.

(2)重复第一步,还是不符合,向后移

(3)一直重复,知道str1有一个字符与str2的第一个字符符合为止

(4)接着比较字符串和搜索词的下一个字符,还是符合

(5)遇到str1有一个字符与str2对应的字符不符合

(6)这时候,可以对str2计算一张"部分匹配表",这张表的产生稍后介绍

(7)已知空格与D不匹配时,前面六个字符"ABCDAB"是匹配的,查表可知,最后一个匹配字符B对应的部分匹配为2,因此按照下面的公式算出向后移动的位数:
移动位数:已匹配的字符数 - 对应的部分匹配值
因为6 - 2 = 4,所以将搜索词向后移4位
(8)因为空格与C不匹配,搜索词还要继续往后移,这时,已匹配的字符字符数2(“AB”),对应的部分匹配值为0,所以移动数2 - 0 = 2

(9)因为空格与A不匹配,继续后移一位

(10)逐位比较,直到发现C与D不匹配,于是,移动位数6 - 2,继续将搜索词向后移动4位

(11)逐位比较,直到搜索词的最后一位,发现完全匹配,于是搜索完成,如果还要继续搜索(找出全部匹配),移动位数7 - 0,再将搜索词向后移动7位.

这里介绍一下匹配表是怎么产生的:
如字符串"bread"
前缀:b, br, bre, brea
后缀:read, ead, ad, d
部分匹配值就是前缀和后缀的最长的共有元素的长度,以"ABCDABD"为例.
"A"的前缀和后缀都为空集,共有元素的长度为0
"AB"的前缀A,后缀B,共有元素的长度为0
"ABC"的前缀为A ,AB,后缀为BC,C,共有元素长度为0
"ABCDA"的前缀为A ,AB, ABC, ABCD,后缀为BCDA,CDA,DA,A,共有元素为A,长度为1
"ABCDAB"的前缀为ABCDA,ABCD,ABC,AB,A,后缀为:BCDAB,CDAB,DAB,AB,A,共有元素为AB,长度为2

有时候,字符串的头部和尾部会有重复,比如:“ABCDAB"之中有两个"AB”,那么他的部分匹配值就是2,搜索移动的时候,第一个AB向后移动4位,就可以来到第二个AB的位置

KMP步骤:
1)先得到子串的部分匹配表
2)使用部分匹配表完成KMP匹配
代码实现:

package com.self.tenAlgorithm;

import java.util.Arrays;

public class KMPAlgorithm {
    public static void main(String[] args) {
        String str1 = "BBC ABCDAB ABCDABCDABDE";
        String str2 = "ABCDABD";

        int[] ints = kmpNext(str2);
        System.out.println(Arrays.toString(ints));

        int i = kmpSearch(str1, str2, ints);
        System.out.println(i);
    }

    /**
     * @param str1  原始字符串
     * @param str2 子字符串
     * @param next  部分匹配表
     * @return
     */
    public static int kmpSearch(String str1,String str2,int[] next){
        for (int i = 0,j = 0; i < str1.length(); i++) {
            while (j > 0 && str1.charAt(i) != str2.charAt(j)){
                j = next[j - 1];
            }
            if(str1.charAt(i) == str2.charAt(j)){
                j++;
            }
            if(j == str2.length()){
                return i - j + 1;
            }
        }
        return -1;
    }
    /**  获取子串的部分匹配表
     * @param dest
     * @return
     */
    public static int[] kmpNext(String dest){
        int[] next = new int[dest.length()];  //创建一个next数组保存部分匹配值
        next[0] = 0;
        for (int i = 1 ,j = 0; i < dest.length(); i++) {
            while (j > 0 && dest.charAt(i) != dest.charAt(j)){
                j = next[j - 1]; //kmp算法的核心点
            }
            if(dest.charAt(i) == dest.charAt(j)){
                j++;
            }
            next[i] = j;
        }
        return next;
    }
}