KMP算法
28. 实现 strStr()
实现 strStr() 函数。
给定一个 haystack 字符串和一个 needle 字符串,在 haystack 字符串中找出 needle 字符串出现的第一个位置 (从0开始)。如果不存在,则返回 -1。
示例 1: 输入: haystack = “hello”, needle = “ll” 输出: 2
示例 2: 输入: haystack = “aaaaa”, needle = “bba” 输出: -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 。这与C语言的 strstr() 以及 Java的 indexOf() 定义相符。
本题是KMP 经典题目,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。
- 什么是KMP:由这三位学者发明的:Knuth,Morris和Pratt
- KMP主要应用在字符串匹配上,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。
- 什么是前缀表:next数组就是一个前缀表(prefix table),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。
例子:在文本串:aabaabaafa 中查找是否出现过一个模式串:aabaaf
可以看出,文本串中第六个字符 b 和 模式串的第六个字符 f 不匹配,如果暴力匹配,会发现不匹配,此时就要从头匹配了(这里指模式串)。
但如果使用前缀表,就不会从头匹配,而是从上次已经匹配的内容开始匹配,找到了模式串中第三个字符b继续开始匹配。(怎么找到b呢)
此时就要问了前缀表是如何记录的呢?
首先要知道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,此也意味着在某个字符失配时,前缀表会告诉你下一步匹配中,模式串应该跳到哪个位置。
那么什么是前缀表: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。
最长公共前后缀?
文章中字符串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。
因为前缀表要求的就是相同前后缀的长度。
而最长公共前后缀里面的“公共”,更像是说前缀和后缀公共的长度。这其实并不是前缀表所需要的。
所以字符串a的最长相等前后缀为0(无前缀也无后缀)。 字符串aa的最长相等前后缀为1(前缀为a时的长度为1,后缀也一样)。 字符串aaa的最长相等前后缀为2(aaa最长前缀为aa,最长后缀也是aa,且他们相等)。 等等…。
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
然后就找到了下标2,指向b,继续匹配:如图
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,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从新匹配就可以了。
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的地方的能力。
- 如何计算前缀表
看链接吧:[link] https://programmercarl.com/0028.实现strStr.html#其他语言版本
可以看出模式串与前缀表对应位置的数字表示的就是: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。
如何利用 前缀表找到 当字符不匹配的时候应该指针应该移动的位置。如动画所示:
找到的不匹配的位置, 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, 所有把下标移动到下标2的位置继续比配。 可以再反复看一下上面的动画。
最后就在文本串中找到了和模式串匹配的子串了。
- 前缀表与next数组
很多KMP算法的时间都是使用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。其实这并不涉及到KMP的原理,而是具体实现,next数组即可以就是前缀表,也可以是前缀表统一减一(右移一位,初始位置为-1)。
以下我们以前缀表统一减一之后的next数组来做演示。
有了next数组,就可以根据next数组来 匹配文本串s,和模式串t了。
注意next数组是新前缀表(旧前缀表统一减一了)。
匹配过程动画如下
- 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的提高的搜索的效率。
i 指后缀末尾 j指前缀末尾
步骤:
定义next数组 def get_next( , s):
初始化 j = 0,next=[], for i in range(len(s)):
前后缀不同 while s[i] != s[j]&& j>0 j = next[j-1]
前后缀相同 if s[i]=s[j]: j+=1
next[i]=j
class Solution:
def strStr(self, haystack: str, needle: str) -> int:
def get_next(s):
j = 0
Next = ['' for i in range(len(s))]
Next[0] = 0
for i in range(1, len(s)):
while s[i] != s[j] and j > 0:
j = Next[j-1]
if s[i] == s[j]:
j += 1
Next[i] = j
return Next
a = len(needle)
b = len(haystack)
if a == 0:
return 0
Next = get_next(needle)
p = 0
for j in range(b):
while p>0 and needle[p]!=haystack[j]:
p=Next[p-1]
print(p,j)
if needle[p]==haystack[j]:
p+=1
if p==len(needle):
return j-len(needle)+1
return -1