字符串匹配—28.实现strStr()—KMP算法

28.实现strStr()-KMP算法

题目

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 。这与 C 语言的 strstr() 以及 Java 的 indexOf() 定义相符。

示例1

输入：haystack = “hello”, needle = “ll”
输出：2

示例2

输入：haystack = “aaaaa”, needle = “bba”
输出：-1

示例3

输入：haystack = “”, needle = “”
输出：0

解题思路-KMP算法

本题可用KMP算法来解题。则要弄清下面两个大问题，后面还有一些小问题：

• 什么是KMP算法
• 什么是next数组，如何求

理解算法相关问题

1. 什么是KMP算法
   KMP算法是一个高效的串匹配算法，专门用于串匹配问题，由D.E.Knuth和V.R.Pratt提出，J.H.Morris也几乎同时独立发现了这个算法，因此它被称为KMP算法，其基本思想就是匹配中主串指针不回溯。KMP算法利用比较过的信息，主串指针i不需要回溯，仅将模式串向后滑动一个合适的位置，并从这个位置开始和主串进行比较，这个合适的位置仅与模式串本身有关，与主串无关。那么这个合适的位置在哪？如何求？这里利用next数组存储了这个合适的位置。
2. 什么是next数组？如何求？

• next数组含义
  next数组（说白了就是前缀表，后面讲解前缀表）存的就是上文指的这个合适的位置，当模式串第j个字符与主串的第i个字符匹配失败时，就在next数组中找模式串第j个字符所对应的k值，即第j个字符匹配失败时，用其下标对应的第k个字符开始与主串继续向后匹配。那么这个k值如何求呢？
  想要知道k如何求，就要知道k代表的含义，这里先不说k，听完后面的话就知道k含义了。前文提到前缀表，那么什么是前缀后缀？前缀就是指除最后一个字符以外，字符串的所有头部子串，后缀指除第一个字符以外，字符串的所有尾部子串。k值就代表字符串的前缀和后缀的最长相等前后缀长度。next数组即前缀表，存的就是当模式串的第j个字符匹配失败时，其前j个字符最长相等前后缀的长度。那么为什么要找最长相等前后缀长度呢？因为匹配失败的是后缀后面子串，所以要找到其相等的前缀开始向后匹配。举个例子: 以字符串“ababa”为例：
  1.a的最长相等前后缀长度为0
  2.ab的最长相等前后缀长度为0
  3.aba的最长相等前后缀为a，长度为1
  4.abab的最长相等前后缀为ab，长度为2
  5.ababa的最长相等前后缀为aba，长度为3
  主串为“ababcabcacbab”，模式串为“abcac”用KMP算法匹配如下：
  
• 求next数组
  由上面KMP匹配可看出，当模式串第j个字符匹配失败时，找的是其前面字符（第j-1个字符）的最长相等前后缀长度，其长度k即为所取值。那么我们将next数组向右移动一位（第一位字符所对应的k值取-1），则第j个字符匹配失败时，它自己所对应的k值就是其所取值。next数组整体右移一位，最后一位k值溢出，因为最后一位k值是原next数组最后一位的下一位所用的值，最后一位用不到，故溢出也无所谓。在这里，为什么第一位k值取-1呢？因为当模式串第一个字符匹配失败时，模式串中已没有字符可与主串的当前字符s[i]进行比较，主串当前指针应后移到下一个字符，再和模式串的第一个字符进行比较，这是一种特殊情况。
  对人而言，可以很直观的用上面的前后缀长度来求next数组，但是对于计算机而言，有种更高效的求next数组的方法：
  
  上面为当P[j]=P[k]时next算法（即若P[j-1]=P[k-1]，则next[j]=k-1+1=k），当P[j]!=P[k]时，k=next[k]，继续向前找一个更短的保证匹配的前缀。

KMP算法大致流程

理解了KMP算法及知道如何求next数组后，我们来梳理一下其代码的大致流程：
KMP算法

• 初始两个指针j，i分别为0，指向主串和模式串的第一个字符
• 求主串和模式串的长度，n=len(s)，m=len§
• 当j<n and i<m时进入循环体，判断如果i==-1或s[j]==p[i]，指针就向后走（i += 1，j += 1）。否则，i=next[i]，用其next数组对应的下标为k的字符与当前主串的字符进行比较
• 退出循环，若i==m，则说明找到了匹配子串，返回子串初始位置 j-i，否则，返回 -1 说明没有找到匹配的子串

求next数组

• 初始化模式串下标i为0，k值为-1，模式串长度m=len§，next = [-1] * m
• 当i < m-1时，进入循环体，判断若k==-1或p[i]==p[k]，则 i += 1，k += 1，next[i] = k，否则，k=next[k]继续向前找更短的前缀
• 退出循环，则返回next数组

代码

class Solution(object):
    def strStr(self, haystack, needle):
        """
        :type haystack: str
        :type needle: str
        :rtype: int
        """
        if needle == "":
            return 0
        # KMP算法
        j, i = 0, 0
        n, m = len(haystack), len(needle)
        next = self.get_pnext(needle)
        while j < n and i < m:
            if i == -1 or haystack[j] == needle[i]:
                j, i = j+1, i+1
            else:
                i = next[i]
        if i == m:
            return j - i
        return -1
	# 求next数组
    def get_pnext(self, p):
        i, k, m = 0, -1, len(p)
        pnext = [-1] * m
        while i < m-1:
            if k == -1 or p[i] == p[k]:
                i, k = i+1, k+1
                pnext[i] = k
            else:
                k = pnext[k]
        return pnext
        

至此，此题解答完毕！