【算法练习】KMP算法_力扣28 实现strStr()

KMP算法&练习

学习参考《代码随想录》中的讲解

KMP算法

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。

KMP思想梳理

• 前缀表(next数组)

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。

文本串(原串)：a a b a a b a a f a
模式串(目标)：a a b a a f
前缀表		  0 1 0 1 2 0 
下标表       0 1 2 3 4 5 6 7 8 9   	   
    
模式串与文本串遍历对比时，遇到不匹配的字符，如果不利用前缀表(next数组)记录之前对比过程中两者的相同前缀后缀作为“检查点”，就要重新从头开始暴力遍历对比。

• 最长公共前缀后缀

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

前缀表要求的就是相同前后缀的长度。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。

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重新匹配即可。

• 计算前缀表

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。

前缀表，记录遍历过程中已经遍历过的字符串的最长相同的前缀和后缀。

eg：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的位置继续比配。

• 前缀表&next数组

ext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，初始位置为-1）。

• 使用next数组来匹配

next数组是新前缀表（旧前缀表统一减一）。

文本串(原串)：a  a  b  a  a  b  a  a  f  a
模式串(目标)：a  a  b  a  a  f
   next[j] -1  0 -1  0  1 -1
下标表       0  1  2  3  4  5  6  7  8  9   

文本串的后缀，与重新回去的前缀继续向后遍历对比(相同的后缀和前缀）。next数组记录最长公共前后缀的长度，使得无需再重新遍历文本串(原串)，模式串(目标)也无需重新从头开始遍历。

• 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。

KMP实际操作

构造next数组

构造next数组，就是计算模式串s的前缀表的过程。

• 初始化
• 处理前后缀不相同的情况
• 处理前后缀相同的情况

定义一个函数getNext来构建next数组，函数参数为指向next数组的指针，和一个字符串。

void getNext(int* next, const string& s)

初始化

定义两个指针i和j，j指向前缀末尾的位置(一开始未遍历时前缀表值记录为-1，遍历第一个时j指向第一个元素下标为0)；i指向后缀末尾的位置，并对next数组初始化赋值。

int j= -1;
next[0]=j;
//如果初始化为0，则当模式串第一个字符和文本串第一个字符不匹配时，按照next数组的定义，应该退回到模式串的0号位置（第一个字符的前缀末尾），这显然是错误的。而将指针初始化为-1，则表示退回到之前的位置，避免了错误。
//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 。

处理前后缀不相同的情况

j初始化为-1，那么i就从1开始，进行s[i] 与 s[j+1]的比较。

for (int i = 1; i < s.size(); i++) {

如果 s[i] 与 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。

while (j >= 0 && s[i] != s[j + 1]) { // 前后缀不相同了
    j = next[j]; // 向前回退
}
//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。如果 s[i] 与 s[j+1] 不相同，就要找 j+1前一个元素在next数组里的值（就是next[j]）。

处理前后缀相同的情况

如果 s[i] 与 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。

if (s[i] == s[j + 1]) { // 找到相同的前后缀
    j++;
}
next[i] = j;

构造next数组完整代码

• 首先，将指向前缀末尾位置的指针j初始化为-1，并将next数组的第一个元素值设为j。接着，从模式串的第二个字符开始遍历，用while循环查找当前字符的最长相等前后缀。
• 在while循环中，如果j不为-1且当前字符与前缀末尾字符不相等，则说明当前前后缀不匹配，需要向前回退指针j，直到找到一个能与当前字符匹配的位置或回退到-1为止。
• 如果找到了一个相等的前后缀，则将指针j向后移动一位，并将j的值赋给next数组的当前元素。其中，j的值表示当前模式串前缀的长度。
• 最后，返回求得的next数组。从next数组的定义可以看出，next[i]表示模式串中以第i个字符结尾的最长相等前后缀的末尾位置。

void getNext(int* next, const string& s){
    int j = -1;
    next[0] = j;
    for(int i = 1; i < s.size(); i++) { // 注意i从1开始
        while (j >= 0 && s[i] != s[j + 1]) { // 前后缀不相同了
            j = next[j]; // 向前回退
        }
        if (s[i] == s[j + 1]) { // 找到相同的前后缀
            j++;
        }
        next[i] = j; // 将j（前缀的长度）赋给next[i]
    }
}

使用next数组来进行匹配

问题：在文本串s里 找是否出现过模式串t。

int j = -1; // 因为next数组里记录的起始位置为-1
for (int i = 0; i < s.size(); i++) { // 注意i就从0开始
    while(j >= 0 && s[i] != t[j + 1]) { // 不匹配
        j = next[j]; // j 寻找之前匹配的位置
    }
    if (s[i] == t[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 == (t.size() - 1) ) { // 文本串s里出现了模式串t
        return (i - t.size() + 1);
    }
    //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。
}

28 找出字符串中第一个匹配项的下标

给你两个字符串 haystack 和 needle ，请你在 haystack 字符串中找出 needle 字符串的第一个匹配项的下标（下标从 0 开始）。如果 needle 不是 haystack 的一部分，则返回 -1 。

输入：haystack = "sadbutsad", needle = "sad"
输出：0
解释："sad" 在下标 0 和 6 处匹配。
第一个匹配项的下标是 0 ，所以返回 0 。
    
输入：haystack = "leetcode", needle = "leeto"
输出：-1
解释："leeto" 没有在 "leetcode" 中出现，所以返回 -1 。

代码

//KMP算法
//时间复杂度O(n+m)

class Solution {
public:
    void getNext(int* next, const string& s) {
        int j = -1;
        next[0] = j;
        for(int i = 1; i < s.size(); i++) { // 注意i从1开始
            while (j >= 0 && s[i] != s[j + 1]) { // 前后缀不相同了
                j = next[j]; // 向前回退
            }
            if (s[i] == s[j + 1]) { // 找到相同的前后缀
                j++;
            }
            next[i] = j; // 将j（前缀的长度）赋给next[i]
        }
    }
    int strStr(string haystack, string needle) {
        if (needle.size() == 0) {
            return 0;
        }
        int next[needle.size()];
        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.size(); i++) { // 注意i就从0开始
            while(j >= 0 && haystack[i] != needle[j + 1]) { // 不匹配
                j = next[j]; // j 寻找之前匹配的位置
            }
            if (haystack[i] == needle[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.size() - 1) ) { // 文本串s里出现了模式串t
                return (i - needle.size() + 1);
            }
        }
        return -1;
    }
};

//暴力枚举
//时间复杂度O(n*m)
class Solution {
public:
    int strStr(string haystack, string needle) {
        int n = haystack.size();
        int m = needle.size();
        for(int i = 0; i <= n - m; i++){
            int j = i, k = 0; 
            while(k < m and haystack[j] == needle[k]){
                j++;
                k++;
            }
            if(k == m) return i;
        }
        return -1;
    }
};