KMP算法图文详解

KMP

KMP算法简介

KMP算法是一种改进的字符串匹配算法，由D.E.Knuth，J.H.Morris和V.R.Pratt提出的，因此人们称它为克努特—莫里斯—普拉特操作（简称KMP算法）。**KMP算法的核心是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。**具体实现就是通过一个next()函数实现，函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度O(m+n)。

字符串的模式匹配

字符串的模式匹配是一种常用的运算。所谓模式匹配,可以简单地理解为在目标(字符串)中寻找一个给定的模式(也是字符串)，返回目标和模式匹配的第一个子串的首字符位置。通常目标串比较大，而模式串则比较短小

如下图：

S1是目标串，S2是模式串，要在S1中寻找S2，最后返回S2出现在S1中的首字符的位置。

先思考一下朴素做法：

可以定义两个指针 i 和 j ，i 用于遍历S1 而 j 用于遍历S2 。

一开始i，j都是指向字符串的首位，发现不相等，S2字符串不断向后移动，如果发现 i 和 j 所指向的字符相等，i 和 j 都向后面移动，继续判断两个指针所指向的字符是否相等。

最终，指针j遍历完S2后发现所有字符都匹配上了，于是就返回第一个子串的首字符位置: i - j + 1。

以上情况是成功找到的情况，但是实际可能遍历到最后都没有匹配成功，并且浪费了大量的时间和资源。

如上图所示，如果当目标串和模式串都比较大时，时间复杂度会非常高: O(n*m)

所以需要进行改进。在遍历过程中，一定会出现一些字符的冗余比较，而kmp算法中核心的next就是为了避免冗余的比较而设计的，next数组中每一个数对应每一个个字符的下标，而这每一个数都代表着一个信息，就是前面的字符串中最长且相等的前缀和后缀的长度。同时要注意，next数组是与模式串向匹配的信息。

比如上图，字符 c 之前的最长且相等的前缀串和后缀串是 abc 并且长度是3，所以next数组在 c 位置上的信息就是 3 。

如上图，next数组中保存的信息就会起到作用，在 i 移动到字符 t 的位置， j 移动到字符 c 位置的时候，发现不相等那么根据 c 位置对应的next数组的信息是 3 ，那么就可以将j移动到 3 的位置再进行比较。

如果发现 i 和 j 指向的字符还是不等的话就再根据next数组中对应的信息将j指针回退到一定的位置。这样就可以大幅度的减少 j 指针移动的次数和比较字符的次数，从而降低时间复杂度。

实现KMP算法

JAVA代码：

public class KMP {
    public static int getIndexOf(String s1, String s2) {
        if (s1 == null || s2 == null || s2.length() < 1 || s1.length() < s2.length()) {
            return -1;
        }
        char[] str1 = s1.toCharArray();
        char[] str2 = s2.toCharArray();

        int x = 0, y = 0;
        int[] next = getNextArray(str2);
        while (x < str1.length && y < str2.length) {
            if (str1[x] == str2[y]) {
                x++;
                y++;
            } else if (next[y] == -1) {
                x++;
            } else {
                y = next[y];
            }
        }
        return y == str2.length ? x - y : -1;
    }

    public static int[] getNextArray(char[] match) {
        if (match.length == 1) {
            return new int[]{-1};
        }
        // 定义next数组
        int[] next = new int[match.length];
        next[0] = -1;// 第一个字符前没有任何字符，所以特殊处理，就规定它对应的next数组值是-1
        next[1] = 0; // 第二个字符前面只有一个字符，所以最大相等的前缀和后缀长度一定是1
        int i = 2; // 在那个位置上求next数组的值
        int cn = 0;
        
        while (i < next.length) {
            if (match[i - 1] == match[cn]) { // 匹配成功的时候
                // 这一行代码实际就是下标换算的过程，包含三个操作: (1)将cn++ (2)将cn+1后的值赋给next[i] (3) 将i向后移动也就是i++
                next[i++] = ++cn;
            } else if (cn > 0) {
                // 上面的判断不成立, 就对cn做回退处理
                cn = next[cn];
            } else {
                // 如果cn回退到0的位置了，那么说明没有相等的前缀和后缀，就将此处设置为0
                next[i++] = 0;
            }
        }
        return next;
    }
}

简化后的模板代码:

// s[]是长文本，p[]是模式串，n是s的长度，m是p的长度
求模式串的Next数组：
for (int i = 2, j = 0; i <= m; i ++ )
{
    while (j > 0 && p[i] != p[j + 1]) j = ne[j];
    if (p[i] == p[j + 1]) j ++ ;
    ne[i] = j;
}

匹配
for (int i = 1, j = 0; i <= n; i ++ )
{
    while (j > 0 && s[i] != p[j + 1]) j = ne[j];
    if (s[i] == p[j + 1]) j ++ ;
    if (j == m)
    {
        j = ne[j];
        // 匹配成功后的逻辑
    }
}

例题：
acwing 831. KMP字符串
leetcode 28. 实现 strStr()
leetcode 214. 最短回文串