LeetCode练习六：字符串

参考《算法通关手册》字符串篇

一、字符串基础

1.1 字符串基础知识

1.1.1 字符串简介

1. 字符串的表示:字符串是由0个或多个字符组成的有序字符序列，由一对单引号或一对双引号表示
   

2. 字符串有2类共4种表示方法:

   • 由1对单引号或双引号表示,仅表示单行字符串;
   • 由1对三单引号或三双引号表示,可表示多行字符串;

3. 字符串是字符的有序序列，可以对其中的字符进行索引。

4. 特殊字符：使用转义符\，\b表示回退；\n表换行（光标移动到下行首；\r表示回车（光标移动到本行首），\t表示制表符（4格）

1.1.2 字符串处理

format官方文档、re文档

1. 字符串操作符

操作符及查找	描述
x+y	连接两个字符串x和y
nx或xn	复制n次字符串x
x in s	如果x是s的子串，返回True，否则返回False
str.index(‘’)	子串第一次出现的位置，不存在报错ValueError
str.rindex(‘’)	子串最后一次出现的位置，不存在报错ValueError
str.find(‘’)	子串第一次出现的位置，不存在返回-1
str.rfind(‘’)	子串最后一次出现的位置，不存在返回-1

2. 字符串处理函数

函数及使用	描述
len(x)	返回字符串的长度，非空字符串都有长度（换行符、空格和符号长度1）
str(x)	将x转换为string类型
hex(x)或oct(x)	将整数x转换成16进制或8进制字符串
chr(x)	将一个(0-255)10或16进制整数(Unicode编码)，转换成对应ASCII字符
ord(x)	x为字符，返回其对应的Unicode编码(原始值0-65535)

3. 字符串大小写

大小写转换	描述
str.lower()或str.upper()	全部字符小写或大写，产生新字符串
str.swapcase()	字符串大写改小写，小写改大写，产生新字符串
str.capitalize()	首字符大写，其余小写，产生新字符串
str.title()	每个字符首字符大写，其余小写，产生新字符串

4. 字符串对齐

字符串对齐	描述
str.center(width,’stp’)	居中对齐，width指定宽度，stp指定分隔符，默认空格分割。
str.ljust(width,’stp’)	左对齐，width指定宽度，stp指定分隔符，默认空格分割。
str.rjust(width,’stp’)	右对齐，width指定宽度，stp指定分隔符，默认空格分割。
str.zfill(width)	右对齐，左侧用0填充，width指定宽度。

以上对齐方式，指定宽度小于实际宽度时返回原字符串

5. 字符串处理函数

函数及使用	描述
str.split(‘sep’,maxsplit)	从str左侧开始分割，分隔符为sep，默认空格。第二个参数指定最大分割次数。最大分割后剩余字符串成一个元素
str.rsplit(‘sep’,maxsplit)	同上，从右侧开始分割。直接写’/’或者sep=’/’都可以。最大分割后的元素不同。没有指定最大分割时是一样的
str.count(sub)	返回子串sub在str中的出现的次数
str.replace(old,new,num)	返回字符串str副本，所有old子串被替换为new,num为最大替换次数
str.center(width[,fillchar])	字符串str根据宽度width居中，fillchar可选填
str.strip(chars)	从str中去掉在其左侧和右侧chars中列出的字符
str.join(iter)	在iter变量除最后元素外每个元素后增加一个str
str.isidentifier()	判断字符串是否是合法标识符（汉字也算）
str.isspace()	判断字符串是否都是由空白字符组成（回车、换行、水平制表符）
str.isalpha()	判断字符串是否都是由字母组成（汉字也算）
str.isdecimal()	判断字符串是否都是由十进制数字组成
str.isnumeric()	判断字符串是否都是由数字组成（包括罗马数字）
str.isalnum()	判断字符串是否都是由数字和字母组成

6. 字符串的比较
   字符串可以用<、>、=、>=、<=、==、!=来比较。比较原理是比较每个字符的原始值（unicode编码），可用ord查看
7. 编码与解码
   • 编码：将字符串转换成二进制数据（byte）（gbk中文两个字节，utf-8中文三个字节）
   • 格式：str.encode(encoding=’gbk’)(gbk大小写都可以,开头b表二进制)
   • 解码：将二进制数据（byte）转换成字符串
   • 格式：byte.decode((encoding=’gbk’)(byte为二进制编码)，解码格式应该与编码格式一致

1.1.3 字符串类型的格式化

字符串格式化有两种方式：

1. 用%占位输出
   如print(‘我是%s,今年%d岁，%(name,age))
   print(‘我今年%10.2f岁’ % age)
   结果：我是name，今年age岁
2. 用{}输出，如
   print(f‘我是(name),今年(age)岁)
   print(‘我是{0},今年{1}岁’.format(name,age))(槽中0 和1可以不写)

整数类型输出格式：

• b:输出整数的二进制方式
• c:输出整数对应的Unicode字符
• d:输出整数的十进制方式
• o:输出整数的八进制方式
• x:输出整数的小写十六进制方式
• X:输出整数的大写十六进制方式

浮点数类型输出格式：

• e:输出浮点数对应的小写字母e的指数形式
• E:输出浮点数对应的大写字母E的指数形式
• f:输出浮点数的标准浮点形式
• %:输出浮点数的百分比形式
  • {:.2f}表示小数点后两位的小数
  • {:.2}表示一共两位数，有十位时表示为3e+01的形式

②格式控制

1.2 字符串基础题目

1.2.1 字符串基础题目列表

题号	标题	题解	标签	难度
0125	验证回文串	Python	字符串、双指针	简单
0005	最长回文子串	Python	字符串、动态规划	中等
0003	无重复字符的最长子串	Python	字符串、哈希表、双指针、字符串、滑动窗口	中等
0344	反转字符串	Python	字符串	简单
0557	反转字符串中的单词 III	Python	字符串	简单
0049	字母异位词分组	Python	字符串、哈希表	中等
0415	字符串相加	Python	字符串、大数加法	简单
0151	颠倒字符串中的单词	Python	双指针、字符串	中等
0043	字符串相乘	Python	数学、字符串、模拟	中等
0014	最长公共前缀	Python	字符串	简单

1.2.2 验证回文串

  如果将所有大写字符转换为小写字符、并移除所有非字母数字字符之后，短语正着读和反着读都一样。则可以认为该短语是一个 回文串 。
  给你一个字符串 s，如果它是 回文串 ，返回 true ；否则，返回 false 。

class Solution:
    def isPalindrome(self, s: str) -> bool:
        s = "".join(ch.lower() for ch in s if ch.isalnum())
        return s == s[::-1]

作者：LeetCode-Solution
链接：https://leetcode.cn/problems/valid-palindrome/solution/yan-zheng-hui-wen-chuan-by-leetcode-solution/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

1.2.3 最长回文子串

  给你一个字符串 s，找到 s 中最长的回文子串。如果字符串的反序与原始字符串相同，则该字符串称为回文字符串。

输入：s = "babad"
输出："bab"
解释："aba" 同样是符合题意的答案。

思路 1：动态规划

• 初始化一个 n * n 大小的布尔类型数组 dp[][] ，dp[i][j] 表示字符串 s 上 从位置 i 到 j 的子串 s[i...j] 是否是一个回文串，下面进行判断：

  • 当子串只有 1 位或 2 位的时候，如果 s[i] == s[j]，该子串为回文子串， dp[i][j] = (s[i] == s[j])。

  • 如果子串大于 2 位，则如果 s[i + 1...j - 1] 是回文串，且 s[i] == s[j]，则 s[i...j] 也是回文串，dp[i][j] = (s[i] == s[j]) and dp[i + 1][j - 1]。

• 当判断完 s[i: j] 是否为回文串时，判断并更新最长回文子串的起始位置和最大长度。

class Solution(object):
    def longestPalindrome(self, s):
        """
        :type s: str
        :rtype: str
        """

        n=len(s)
        if n<2:
            return s
        
        # 定义dp[i][j]表示从i到j的子串是否是回文串，初始设为False
        dp=[[False]*n for _ in range(n)]
        max_len=1 # 回文串最大长度
        start=0   # 最长回文串起始位置

        for j in range(1,n):
            for i in range(j):
                if s[i]==s[j]:
                    # 子串长度只有1或2时，一定是回文串
                    if j-i<3:
                        dp[i][j]=True
                    else:
                        dp[i][j]=dp[i+1][j-1]

                if dp[i][j] and j-i+1>max_len:
                   max_len=j-i+1
                   start=i
                   
        return s[start:start+max_len]

1.2.4 无重复字符的最长子串

给定一个字符串 s ，请你找出其中不含有重复字符的 最长子串 的长度。

输入: s = "abcabcbb"
输出: 3 
解释: 因为无重复字符的最长子串是 "abc"，所以其长度为 3。

class Solution(object):
    def lengthOfLongestSubstring(self, s):
        """
        :type s: str
        :rtype: int
        """
        left,right=0,0
        se=set()
        ans=0
        while right<len(s):
            if s[right] not in se:
                se.add(s[right])
                right+=1
                ans=max(ans,right-left)
            else:
                se.remove(s[left])
                left+=1
        return ans

class Solution:
    def lengthOfLongestSubstring(self, s: str) -> int:
        l,r=0,0
        ans=0
        se=set()
        for r in range(len(s)):
            while s[r] in se:
                se.remove(s[l])
                l+=1
            se.add(s[r])
            ans=max(ans,r-l+1)
        return ans

1.2.5 字符串相加

  给定两个字符串形式的非负整数 num1 和num2 ，计算它们的和并同样以字符串形式返回。

  你不能使用任何內建的用于处理大整数的库（比如 BigInteger）， 也不能直接将输入的字符串转换为整数形式。
  解题思路：本题不能将字符串直接转为整数之后，在整数之间相加计算。只能对两个大整数模拟「竖式加法」的过程，如下所示：

算法流程：

• 设定 i，j 两指针分别指向 num1，num2 尾部，模拟人工加法；
• 计算进位： 计算 add= tmp // 10，代表当前位相加是否产生进位；
• 添加当前位： 计算 tmp = n1 + n2 + add，即当前位的结果。但是这其中要除去进位，所以当前位实际结果是 tmp % 10 ，将其添加至 ans 头部；（比如计算9+4=13，当前位计算结果是3，但是进位add=1，累积到高一位的计算中）
• 索引溢出处理： 当指针 i或j 走过数字首部后，给 n1，n2 赋值为 0，相当于给 num1，num2 中长度较短的数字前面填 0，以便后续计算。
• 当遍历完 num1，num2 后跳出循环，并根据add 值决定是否在头部添加进位 1，最终返回 res 即可。

  这其中的关键点，就是用add来表示前一位是否对当前位产生了进位，并将这个进位状态不断累加到后续每一位的计算中。

class Solution:
    def addStrings(self, num1: str, num2: str) -> str:
        ans=""
        i,j,add=len(num1)-1,len(num2)-1,0
        while i>=0 or j>=0:# 只要有一个数还可以计算
            #位数减为负则补0
            n1=int(num1[i]) if i>=0 else 0 
            n2=int(num2[j]) if j>=0 else 0
            
            temp=n1+n2+add 				# 当前位计算结果
            add=temp//10 				#判断是否要进一位
            ans=str(temp%10)+ans		# 当前位写入的结果
            i-=1
            j-=1
        return "1"+ans if add==1 else ans

1.2.6 字符串相乘

  给定两个以字符串形式表示的非负整数 num1 和 num2，返回 num1 和 num2 的乘积，它们的乘积也表示为字符串形式。

  注意：不能使用任何内置的 BigInteger 库或直接将输入转换为整数。

输入: num1 = "123", num2 = "456"
输出: "56088"

思路一：先算乘数的每一位相乘结果再相加

• 将较长的字符作为被乘数（num1），较短的作为乘数（num2）。
• 遍历num2的每一位j，将num2[j]乘以num1的每一位，得到结果ans
• 将结果ans存在列表ls中，最后再将ls的所有中间结果依次相加（借用上一题的相加函数）

比如996*32=1992+29980=31872。

class Solution(object):    

    def multiply(self, num1, num2):
        """
        :type num1: str
        :type num2: str
        :rtype: str
        """
        if num1=='0' or num2=='0':
        	return '0' # 如果没有这一步，会算出'00000'之类的
        # 将nums1设为更长的数
        if len(num1)-1<len(num2)-1:
            num1,num2=num2,num1

        ls=[]  # 记录nums2每一位和nums1相乘的结果
        count=0 # 记录nums2的位数，每进一位中间结果要乘以10
        for j in range(len(num2)-1,-1,-1):
            n2=int(num2[j]) # 用nums2的每一位乘以nums1的所有位
            add=0
            ans=''
            for i in range(len(num1)-1,-1,-1): 
                n1=int(num1[i]) 
                #print(n1,n2)          
                temp=n1*n2+add
                add=temp//10
                ans=str(temp%10)+ans
            ans=str(add)+ans if add!=0 else ans # 因为是相乘，进位可以是1到8（9*9=81）
            ls.append(ans+'0'*count)
            count+=1  
        #print(ls)

        res='0'            
        for i in range(len(ls)):
            res=self.addStrings(res,ls[i])
        return  res 

	def addStrings(self, num1, num2): # 加法函数
        ans=""
        i,j,add=len(num1)-1,len(num2)-1,0
        while i>=0 or j>=0:# 只要有一个数还可以计算
            #位数减为负则补0
            n1=int(num1[i]) if i>=0 else 0 
            n2=int(num2[j]) if j>=0 else 0
            
            temp=n1+n2+add 				# 当前位计算结果
            add=temp//10 				#判断是否要进一位
            ans=str(temp%10)+ans		# 当前位写入的结果
            i-=1
            j-=1
        return "1"+ans if add==1 else ans

思路二：各位相乘后，再相加

  长度为 len(num1) 的整数 num1 与长度为 len(num2) 的整数 num2 相乘的结果长度为 len(num1) + len(num2) - 1 或 len(num1) + len(num2)。所以我们可以使用长度为 len(num1) + len(num2) 的整数数组 nums 来存储两个整数相乘之后的结果。（相当于首位可能补了0，如果最终结果没有进位的话）

整个计算流程的步骤如下：

1. 从个位数字由低位到高位开始遍历 num1，取得每一位数字 digit1。从个位数字由低位到高位开始遍历 num2，取得每一位数字 digit2。
2. 将 digit1 * digit2 的结果累积存储到 nums 对应位置 i + j + 1 上。（比如1996*23时，nums=[0, 2, 21, 45, 39, 18]）
3. 从 len(num1) + len(num2) - 1 的位置由低位到高位遍历数组 nums。将每个数位上大于等于 10 的数字进行进位操作，然后对该位置上的数字进行取余操作。
4. 最后判断首位是否有进位。如果首位为 0，则从第 1 个位置开始将答案数组拼接成字符串。如果首位不为 0，则从第 0 个位置开始将答案数组拼接成字符串。并返回答案字符串。

class Solution:
    def multiply(self, num1: str, num2: str) -> str:
        if num1 == "0" or num2 == "0":
            return "0"

        len1, len2 = len(num1), len(num2)
        nums = [0 for _ in range(len1 + len2)] # 首位补0

        for i in range(len1 - 1, -1, -1):
            digit1 = int(num1[i])
            for j in range(len2 - 1, -1, -1):
                digit2 = int(num2[j])
                # 比如num1的十位*num2的个位，和num2的十位*num1的个位，结果都在十位上，要累加起来
                nums[i + j + 1] += digit1 * digit2 
                
		# nums是每一位乘法计算之后的结果，比如[0, 2, 21, 45, 39, 18]
        for i in range(len1 + len2 - 1, 0, -1): # 从个位遍历到最高位的前一位
            nums[i - 1] += nums[i] // 10        # 先计算进位，并累加到下一位
            nums[i] %= 10						# 再将当前位结果取余数

        if nums[0] == 0:
            ans = "".join(str(digit) for digit in nums[1:])
        else:
            ans = "".join(str(digit) for digit in nums[:])
            
        return ans    

1.2.7 最长公共前缀

  编写一个函数来查找字符串数组中的最长公共前缀。如果不存在公共前缀，返回空字符串 ""。
思路一：纵向比较

  从前往后遍历所有字符串的每一列，比较相同列上的字符是否相同，如果相同则继续对下一列进行比较，如果不相同则当前列不再属于公共前缀

class Solution(object):
    def longestCommonPrefix(self, strs):
        """
        :type strs: List[str]
        :rtype: str
        """
        
        if not strs:
            return ""


        le=[len(x) for x in strs]
        min_le=min(le) # 最短的长度

        i=0
        while i <min_le:
            se=set(strs[0][i]) # 从第一个字符串的第一个字符开始比较
            for ch in strs[1:]:
                if ch[i] not in se:
                    return strs[0][:i]
            i+=1

        return strs[0][:i]

或者是：

class Solution:
    def longestCommonPrefix(self, strs: List[str]) -> str:
        s = ""
        for i in zip(*strs): # 直接取出所有字符串的第i列
            if len(set(i)) == 1:
                s += i[0]
            else:
                break           
        return s

二、单模式串匹配算法

参考《算法通关手册》单模式串匹配篇

2.1 Brute Force 算法（暴力匹配）

2.1.1 算法介绍

• Brute Force 算法：简称为 BF 算法。中文意思是暴力匹配算法，也可以叫做朴素匹配算法。

• BF 算法思想：对于给定文本串 T 与模式串 p，从文本串的第一个字符开始与模式串 p 的第一个字符进行比较，如果相等，则继续逐个比较后续字符，否则从文本串 T 的第二个字符起重新和模式串 p 进行比较。依次类推，直到模式串 p 中每个字符依次与文本串 T 的一个连续子串相等，则模式匹配成功。否则模式匹配失败。

• Brute Force 算法步骤

  1. 对于给定的文本串 T 与模式串 p，求出文本串 T 的长度为 n，模式串 p 的长度为 m。
  2. 同时遍历文本串 T 和模式串 p，先将 T[0] 与 p[0] 进行比较。
     1. 如果相等，则继续比较 T[1] 和 p[1]。以此类推，一直到模式串 p 的末尾 p[m - 1] 为止。
     2. 如果不相等，则将文本串 T 移动到上次匹配开始位置的下一个字符位置，模式串 p 则回退到开始位置，再依次进行比较。
  3. 当遍历完文本串 T 或者模式串 p 的时候停止搜索。

2.1.2 代码实现

def bruteForce(T: str, p: str) -> int:
    n, m = len(T), len(p)
    
    i, j = 0, 0                     # i 表示文本串 T 的当前位置，j 表示模式串 p 的当前位置
    while i < n and j < m:          # i 或 j 其中一个到达尾部时停止搜索
        if T[i] == p[j]:            # 如果相等，则继续进行下一个字符匹配
            i += 1					# i和j同步右移
            j += 1
        else:
            i = i - (j - 1)         # 如果匹配失败则将 i 移动到上次匹配开始位置的下一个位置，
            j = 0                   # 匹配失败 j 回退到模式串开始位置

    if j == m:
        return i - j                # 匹配成功，返回匹配的开始位置
    else:
        return -1                   # 匹配失败，返回 -1

2.2.3 算法分析

  BF 算法非常简单，容易理解，但其效率很低。主要是因为在匹配过程中可能会出现回溯：当遇到一对字符不同时，模式串 p 直接回到开始位置，文本串也回到匹配开始位置的下一个位置，再重新开始比较。

• 最坏时间复杂度为 $O(m\times n)$。在回溯之后，文本串和模式串中一些部分的比较是没有必要的。由于这种操作策略，导致 BF 算法的效率很低。最坏情况是每一趟比较都在模式串的最后遇到了字符不匹配的情况，每轮比较需要进行 m 次字符对比，总共需要进行 n - m + 1 轮比较，总的比较次数为 m * (n - m + 1) 。

• 最佳时间复杂度是 $O(m)$。最理想的情况下（第一次匹配直接匹配成功）。

• 平均时间复杂度为 $O(n+m)$。在一般情况下，根据等概率原则，平均搜索次数为 $\frac{(n+m)}{2}$。

2.2 KMP 算法介绍

参考：

• 《算法通关手册：KMP 算法》
• 《如何更好地理解和掌握 KMP 算法?》
• 《【宫水三叶】简单题学 KMP 算法》

  KMP 算法：全称叫做 「Knuth Morris Pratt 算法」，是由它的三位发明者 Donald Knuth、James H. Morris、 Vaughan Pratt 的名字来命名的。KMP 算法是他们三人在 1977 年联合发表的。

   KMP 算法思想：对于给定文本串 T 与模式串 p，当发现文本串 T 的某个字符与模式串 p 不匹配的时候，可以利用匹配失败后的信息，尽量减少模式串与文本串的匹配次数，避免文本串位置的回退，以达到快速匹配的目的。

2.2.1 朴素匹配算法的缺陷

  在朴素匹配算法的匹配过程中，我们分别用指针 i 和指针 j 指示文本串 T 和模式串 p 中当前正在对比的字符。当发现文本串 T 的某个字符与模式串 p 不匹配的时候，j 回退到开始位置，i 回退到之前匹配开始位置的下一个位置上（下图的B），继续匹配，直到能够与匹配串对上位置（下图第二个A），如下图所示。

  那么有没有哪种算法，可以让 i 不发生回退，一直向右移动呢？

2.2.1 改进算法：KMP

  如果我们可以通过每一次的失配而得到一些「信息」，并且这些「信息」可以帮助我们跳过那些不可能匹配成功的位置，那么我们就能大大减少模式串与文本串的匹配次数，从而达到快速匹配的目的。

1. 每一次失配所告诉我们的信息是：主串的某一个子串等于模式串的某一个前缀。

• 比如文本串 T[i: i + m] 与模式串 p 的失配是下标位置 j 上发生的，那么文本串 T 从下标位置 i 开始连续的 j - 1 个字符，一定与模式串 p 的前 j - 1 个字符一模一样，即：T[i: i + j] == p[0: j]。

• 例如上图中，失配是在下标i+5这个位置发生的，那么失配位置的前5个字符，一定与模式串 p 的前 5 个字符一模一样，即："ABCAB" == "ABCAB"。

2. 模式串的前 5 个字符中，前 2 位前缀和后 2 位后缀又是相同的，即 "AB" == "AB"。

  所以根据上面的信息，我们可以推出：文本串子串的后 2 位后缀和模式串子串的前 2 位是相同的，即 T[i + 3: i + 5] == p[0: 2]，而这部分（即下图中的蓝色部分）是之前已经比较过的，不需要再比较了，可以直接跳过。

  那么我们就可以将文本串中的 T[i + 5] 对准模式串中的 p[2]，继续进行对比。这样 i 就不再需要回退了，可以一直向右移动匹配下去。在这个过程中，我们只需要将模式串 j 进行回退操作即可。

  实际上，我们会创建一个next数组作为「部分匹配表」，next[j] 表示的含义是：**记录下标 j 之前（包括 j）的模式串 p 中，最长相等前后缀的长度。**下一节会详细说明。
   由于模式串数组中，next[4] == 2，所以不用回退 i，而是将 j 移动到下标为 2 的位置，让 T[i + 5] 直接对准 p[2]，然后继续进行比对。

下图参考《【宫水三叶】简单题学 KMP 算法》

  也就是说，匹配失败时，匹配串会检查之前已经匹配成功的部分中里是否存在相同的「前缀」和「后缀」。如果存在，则跳转到「前缀」的下一个位置继续往下匹配：

  跳转到下一匹配位置后，尝试匹配，发现两个指针的字符对不上，并且此时匹配串指针前面不存在相同的「前缀」和「后缀」，这时候只能回到匹配串的起始位置重新开始：

  KMP 算法就是使用了这样的思路，对模式串 p 进行了预处理，计算出一个 「部分匹配表」(也叫PMT:Partial Match Table)**，用一个数组 next 来记录。然后在每次失配发生时，不回退文本串的指针 i，而是根据「部分匹配表」中模式串失配位置 j 的前一个位置的值，即 next[j - 1] 的值来决定模式串可以向右移动的位数。

• KMP 利用已匹配部分中相同的「前缀」和「后缀」来加速下一次的匹配
• KMP 的原串指针不会进行回溯（没有朴素匹配中回到下一个「发起点」的过程）

2.2.3 next 数组

  上文提到的「部分匹配表PMT」，也叫做「前缀表」，在 KMP 算法中使用 next 数组存储。next[j] 表示的含义是：记录下标 j 之前（包括 j）的模式串 p 中，最长相等前后缀的长度。 也可以理解为，PMT中的值是 字符串的前缀集合与后缀集合的交集中最长元素的长度。

• 前缀：
  • 如果字符串A和B，存在A=BS，其中S是任意的非空字符串，那就称B为A的前缀。
  • 例如，”Harry”的前缀包括{”H”, ”Ha”, ”Har”, ”Harr”}，我们把所有前缀组成的集合，称为字符串的前缀集合。
• 后缀：
  • 若有A=SB， 其中S是任意的非空字符串，那就称B为A的后缀
  • 例如，”Potter”的后缀包括{”otter”, ”tter”, ”ter”, ”er”, ”r”}，然后把所有后缀组成的集合，称为字符串的后缀集合。
• 对于字符串”ababa”，它的前缀集合为{”a”, ”ab”, ”aba”, ”abab”}，它的后缀集合为{”baba”, ”aba”, ”ba”, ”a”}， 两个集合的交集为{”a”, ”aba”}，其中最长的元素为”aba”，长度为3。
• 要注意的是，字符串本身并不是自己的前缀或者后缀。
  

举个例子来说明一下，以 p = "ABCABCD" 为例。

• next[0] = 0，因为 "A" 中无有相同前缀后缀，最大长度为 0。
• next[1] = 0，因为 "AB" 中无相同前缀后缀，最大长度为 0。
• next[2] = 0，因为 "ABC" 中无相同前缀后缀，最大长度为 0。
• next[3] = 1，因为 "ABCA" 中有相同的前缀后缀 "a"，最大长度为 1。
• next[4] = 2，因为 "ABCAB" 中有相同的前缀后缀 "AB"，最大长度为 2。
• next[5] = 3，因为 "ABCABC" 中有相同的前缀后缀 "ABC"，最大长度为 3。
• next[6] = 0，因为 "ABCABCD" 中无相同前缀后缀，最大长度为 0。

  同理也可以计算出 "ABCABDEF" 的前缀表为 [0, 0, 0, 1, 2, 0, 0, 0]。"AABAAAB" 的前缀表为 [0, 1, 0, 1, 2, 2, 3]。"ABCDABD" 的前缀表为 [0, 0, 0, 0, 1, 2, 0]。

  在之前的例子中，当 p[5] 和 T[i + 5] 匹配失败后，根据模式串失配位置 j 的前一个位置的值，即 next[4] = 2，我们直接让 T[i + 5] 直接对准了 p[2]，然后继续进行比对，如下图所示。

但是这样移动的原理是什么？

如果文本串 T[i: i + m] 与模式串 p 的失配是在第 j 个下标位置发生的，那么：

• 文本串 T 从下标位置 i 开始连续的 j 个字符，一定与模式串 p 的前 j 个字符一模一样，即：T[i: i + j] == p[0: j]（上图中的"ABCAB" == "ABCAB"）。

• 而如果模式串 p 的前 j 个字符中，前 k 位前缀和后 k 位后缀相同，（"ABCAB"中有相同的前后缀"AB"，即k=2）那么可以断言：文本串中i指针失配位置之前的 k 位（“AB”）一定与模式字符串的第0位至第 k位是相同的（“AB”），即长度为 k的后缀与前缀相同。

• 这样一来，我们就可以将这些字符段的比较省略掉。具体的做法是，保持i指针不动，然后将j指针指向模式字符串的next[j −1]位即可（表示模式串中，前j-1个子符里，最长相同前后缀的长度k）。

其实相当于因为模式串存在相同的前后缀，所以失配后，模式串不用退回起始位置，退到相同前缀的下一位置就行。

2.2.4 next 数组的构造

  其实，求next数组的过程完全可以看成字符串匹配的过程，即以模式字符串为文本串串，以模式字符串的前缀为目标字符串，一旦字符串匹配成功，那么当前的next值就是匹配成功的字符串的长度。
  具体来说，就是从模式字符串的第一位(注意，不包括第0位)开始对自身进行匹配运算。 在任一位置，能匹配的最长长度就是当前位置的next值。如下图所示。

数组下标从0开始，所以图中应该是next[5]=4，以此类推。下图模式串有next=[0, 0, 1, 2, 3, 4, 0, 1]

这样我们就可以使用KMP本身的匹配原理来计算next数组。

• 我们将模式串p本身即作为文本串也作为模式串，同样用指针i和j来遍历。因为文本串第一个位置即使匹配上 ，也有next[0]=0，而不等于1，所以初始时令j = 0，i = 1。
• 遍历文本串和模式串：
  • 如果 p[i] != p[j]，说明文本串在此位置失配，同上面所讲， i 不动，模式串指针 j 不断回退到 next[j - 1] 位置。
    • 如果回退几次后，有 p[i] == p[j] ，说明匹配上了一个字符，令j右移，此时此时 j 既是前缀下一次进行比较的下标位置，又是当前最长前后缀的长度，所以next[i]=j。最后移动指针i遍历下一个位置；
    • 如果一直回退到j=0，表示文本串在i位置匹配不到任何一个字符，next[i]=0=j，i+=1；
  • 如果 p[i] == p[j]，同样先将 j += 1，next[i]=j，i+=1；

• 如果p[j]==p[i]，j先后移，next[i]=j，然后i后移；
• 如果不匹配，前缀指针回退，退到前一位置的next值，即j=next[j-1]，不停回退，直到p[j]==p[i]，或者j=0表示退到模式串开头位置，此时next[i]=0（因为j=0，所以依旧有next[i]=j），表示没有匹配的共同前后缀。
  
  
  
  

2.2.5 KMP 算法整体步骤和代码实现

1. 根据 next 数组的构造步骤生成「前缀表」next。
2. 使用两个指针 i、j，其中 i 指向文本串中当前匹配的位置，j 指向模式串中当前匹配的位置。初始时，i = 0，j = 0。
3. 循环判断模式串前缀是否匹配成功，如果模式串前缀匹配不成功，将模式串进行回退，即 j = next[j - 1]，直到 j == 0 时或前缀匹配成功时停止回退。
4. 如果当前模式串前缀匹配成功，则令模式串向右移动 1 位，即 j += 1。
5. 如果当前模式串 完全 匹配成功，则返回模式串 p 在文本串 T 中的开始位置，即 i - j + 1。
6. 如果还未完全匹配成功，则令文本串向右移动 1 位，即 i += 1，然后继续匹配。
7. 如果直到文本串遍历完也未完全匹配成功，则说明匹配失败，返回 -1。

# 生成 next 数组
# next[j] 表示下标 j 之前的模式串 p 中，最长相等前后缀的长度
def generateNext(p: str):
    m = len(p)
    next = [0 for _ in range(m)]                # 初始化数组元素全部为 0
    
    left = 0                                    # left 表示前缀串开始所在的下标位置
    for right in range(1, m):                   # right 表示后缀串开始所在的下标位置
        while left > 0 and p[left] != p[right]: # 匹配不成功, left 进行回退, left == 0 时停止回退
            left = next[left - 1]               # left 进行回退操作
        if p[left] == p[right]:                 # 匹配成功，找到相同的前后缀，先让 left += 1，此时 left 为前缀长度
            left += 1
        next[right] = left                      # 记录前缀长度，更新 next[right], 结束本次循环, right += 1

    return next

# KMP 匹配算法，T 为文本串，p 为模式串
def kmp(T: str, p: str) -> int:
    n, m = len(T), len(p)
    
    next = generateNext(p)                      # 生成 next 数组
    
    j = 0                                       # j 为模式串中当前匹配的位置
    for i in range(n):                          # i 为文本串中当前匹配的位置
        while j > 0 and T[i] != p[j]:           # 如果模式串前缀匹配不成功, 将模式串进行回退, j == 0 时停止回退
            j = next[j - 1]
        if T[i] == p[j]:                        # 当前模式串前缀匹配成功，令 j += 1，继续匹配
            j += 1
        if j == m:                              # 当前模式串完全匹配成功，返回匹配开始位置
            return i - j + 1
    return -1                                   # 匹配失败，返回 -1            

2.2.5 KMP 算法分析

• KMP 算法在构造前缀表阶段的时间复杂度为 $O(m)$，其中 $m$ 是模式串 p 的长度。
• KMP 算法在匹配阶段，是根据前缀表不断调整匹配的位置，文本串的下标 i 并没有进行回退，可以看出匹配阶段的时间复杂度是 $O(n)$，其中 $n$ 是文本串 T 的长度。
• 所以 KMP 整个算法的时间复杂度是 $O(n+m)$，相对于朴素匹配算法的 $O(n\ast m)$ 的时间复杂度，KMP 算法的效率有了很大的提升。

参考资料

• 【博文】从头到尾彻底理解 KMP - 结构之法 算法之道 - CSDN博客
• 【博文】字符串匹配的 KMP 算法 - 阮一峰的网络日志
• 【题解】多图预警👊🏻详解 KMP 算法 - 实现 strStr() - 力扣
• 【题解】「代码随想录」KMP算法详解 - 实现 strStr() - 力扣

三、单模式串匹配练习

3.1 单模式串匹配题目

题号	标题	题解	标签	难度
0028	找出字符串中第一个匹配项的下标	Python	字符串、双指针	简单
0459	重复的子字符串	Python	字符串、字符串匹配	简单
0686	重复叠加字符串匹配	Python	字符串、字符串匹配	中等
1668	最大重复子字符串
0796	旋转字符串	Python	字符串、字符串匹配	简单
1408	数组中的字符串匹配	Python	字符串、字符串匹配	简单
2156	查找给定哈希值的子串	Python	字符串、滑动窗口、哈希函数、滚动哈希	中等

3.2 找出字符串中第一个匹配项的下标

class Solution(object):
    def strStr(self, haystack, needle):
        """
        :type haystack: str
        :type needle: str
        :rtype: int
        """
        # KMP 匹配算法，haystack 为文本串，needle 为模式串
        m,n = len(haystack), len(needle)
        next = self.next(needle)  # 生成 next 数组
        j = 0                                             # j 为模式串中当前匹配的位置

        for i in range(m):                                # i 为文本串中当前匹配的位置
            while j > 0 and haystack[i] != needle[j]:     # 如果模式串前缀匹配不成功, 将模式串进行回退, j == 0 时停止回退
                j = next[j - 1]
            if haystack[i] == needle[j]:                  # 当前模式串前缀匹配成功，令 j += 1，继续匹配
                j += 1
            if j == n:                              	  # 当前模式串完全匹配成功，返回匹配开始位置
                return i - j + 1
        return -1

    def next(self,p):
        # 等同于模式串自己和自己匹配，只不过文本串从1开始（第一位匹配到结果也应该是0不是1），模式串从0开始
        next=[0 for _ in range(len(p))]
        j=0 # 模式串匹配起始位置，也是匹配到的长度
        for i in range(1,len(p)):
            #次序反过来，left右移，下一步判定就不对了
            #if p[left]==p[right]:
                #left+=1
            # 先判定不相等就回退，直到相等再右移模式串指针，进行下一步比较
            while j>0 and p[j]!=p[i]:
                j=next[j-1]
            if p[i]==p[j]:
                j+=1 			# 匹配上了，公共前后缀长度+1
            next[i]=j
        return next 

3.3 重复的子字符串

给定一个非空的字符串 s ，检查是否可以通过由它的一个子串重复多次构成。

输入: s = "abcabcabcabc"
输出: true
解释: 可由子串 "abc" 重复四次构成。 (或子串 "abcabc" 重复两次构成。)

1. 思路一：官方题解
   

class Solution:
    def repeatedSubstringPattern(self, s: str) -> bool:
        return (s+s).find(s,1)!=len(s)

思路二：KMP（参考《算法通关手册》）
  我们知道 next[j] 表示的含义是：记录下标 j 之前（包括 j）的模式串 p 中，最长相等前后缀的长度。
  而如果整个模式串 p 的最长相等前后缀长度不为 0，即 next[len(p) - 1] != 0 ，则说明整个模式串 p 中有最长相同的前后缀。假设 next[len(p) - 1] == k，则说明 p[0: k] == p[m - k: m]。比如字符串 “abcabcabc”，最长相同前后缀为 “abcabc” = “abcabc”。

• 如果最长相等的前后缀是重叠的，比如之前的例子 “abcabcabc”。
  • 如果我们去除字符串中相同的前后缀的重叠部分，剩下两头前后缀部分（这两部分是相同的）。然后再去除剩余的后缀部分，只保留剩余的前缀部分。比如字符串 “abcabcabc” 去除重叠部分和剩余的后缀部分之后就是 “abc”。实际上这个部分就是字符串去除整个后缀部分的剩余部分。
  • 如果整个字符串可以通过子串重复构成的话，那么这部分就是最小周期的子串。
  • 我们只需要判断整个子串的长度是否是剩余部分长度的整数倍即可。也就是判断 len(p) % (len(p) - next[size - 1]) == 0 是否成立，如果成立，则字符串 s 可由 s[0: len(p) - next[size - 1]] 构成的子串重复构成，返回 True。否则返回 False。
• 如果最长相等的前后缀是不重叠的，那我们可将重叠部分视为长度为 0 的空串，则剩余的部分其实就是去除后缀部分的剩余部分，上述结论依旧成立。

class Solution:
    def repeatedSubstringPattern(self, s: str) -> bool:
    	# 创建next数组
        le=len(s)
        if le==1:
            return False
        j=0
        next=[0 for _ in range(le)]
        for i in range(1,le):
            while j>0 and s[i]!=s[j]:
                j=next[j-1]
            if s[i]==s[j]:
                j+=1
            next[i]=j
        
        # next数组最后一位的值，表示模式串的最长相等前后缀长度。
        # 将其除去前后缀重叠部分和剩余的后缀部分，就是剩余前缀部分。
        # 这部分就是最小周期长度，可以被模式串长度整除
        if next[le-1]!=0 and le%(le-next[le-1])==0:
            return True
        return False

3.4 重复叠加字符串匹配

  给定两个字符串 a 和 b，寻找重复叠加字符串 a 的最小次数，使得字符串 b 成为叠加后的字符串 a 的子串，如果不存在则返回 -1。

输入：a = "abcd", b = "cdabcdab"
输出：3
解释：a 重复叠加三遍后为 "abcdabcdabcd", 此时 b 是其子串。    

首先，可以分析复制次数的「下界」和「上界」为何值：

• 「下界」：至少将 a 复制长度大于等于 b 的长度，才有可能匹配
• 「上界」：由于主串是由 a 复制多次而来，并且是从主串中找到子串 b，因此可以明确子串的起始位置，不会超过 a 的长度。即长度越过 a 长度的起始匹配位置，必然在此前已经被匹配过了。由此，我们可知复制次数「上界」最多为「下界 + 1」
  

class Solution:
    def repeatedStringMatch(self, a: str, b: str) -> int:
    # 将b看做模式串，a最低重复次数是len([a]*count)=len(b)，即至少的是一样长
    # 最大重复次数是count+1。
    # 将a复制（n+1）次后匹配b，如果匹配下标超过n，则表示无法重复，否则返回count
        m,n=len(a),len(b)
        count=(n//m)+1 if n%m!=0 else n//m
        a=a*(count+1)
        idx=a.find(b)
        
        if idx ==-1:
            return -1
        else:
            idx=idx+n-1 # 匹配串的结束位置
            return count if idx<m*count else count +1

如果用KMP算法代替find函数写，就是：

class Solution:
    def repeatedStringMatch(self, a: str, b: str) -> int:
    # 将b看做模式串，a最低重复次数是len([a]*count)=len(b)，即至少的是一样长
    # 最大重复次数是count+1。
    # 将a复制（n+1）次后匹配b，如果匹配下标超过n，则表示无法重复，否则返回count
        m,n=len(a),len(b)
        count=(n//m)+1 if n%m!=0 else n//m
        a=a*(count+1)
        idx=self.KMP(a,b)
        print(idx)
        if idx ==-1:
            return -1
        else:        
            return count if idx<m*count else count +1
    
    def KMP(self, t, p):
        """
        :type haystack: str
        :type needle: str
        :rtype: int
        """
        # KMP 匹配算法，haystack 为文本串，needle 为模式串
        m,n = len(t), len(p)
        next = self.next(p)  # 生成 next 数组
        j = 0                                               # j 为模式串中当前匹配的位置

        for i in range(m):                          # i 为文本串中当前匹配的位置
            while j > 0 and t[i] != p[j]:           # 如果模式串前缀匹配不成功, 将模式串进行回退, j == 0 时停止回退
                j = next[j - 1]
            if t[i] == p[j]:                        # 当前模式串前缀匹配成功，令 j += 1，继续匹配
                j += 1
            if j == n:                              # 当前模式串完全匹配成功，返回匹配结束位置
                return i
        return -1

    def next(self,p):
        # 等同于模式串自己和自己匹配看前缀，只不过文本串从1开始（第一位匹配到结果也应该是0不是1），模式串从0开始
        next=[0 for _ in range(len(p))]
        j=0 # 共同前缀下标
        for i in range(1,len(p)):
            #次序反过来，left右移，下一步判定就不对了
            #if p[left]==p[right]:
                #left+=1
            # 先判定不相等就回退，直到相等再右移模式串指针，进行下一步比较
            while j>0 and p[j]!=p[i]:
                j=next[j-1]
            if p[i]==p[j]:
                j+=1 # 匹配时，公共前后缀长度+1
            next[i]=j
        #print(next)
        return next

3.5 最大重复子字符串

  给你一个字符串 sequence ，如果字符串 word 连续重复 k 次形成的字符串是 sequence 的一个子字符串，那么单词 word 的 重复值为 k 。单词 word 的 最大重复值 是单词 word 在 sequence 中最大的重复值。如果 word 不是 sequence 的子串，那么重复值 k 为 0 。

  给你一个字符串 sequence 和 word ，请你返回 最大重复值 k 。

输入：sequence = "ababc", word = "ba"
输出：1
解释："ba" 是 "ababc" 的子字符串，但 "baba" 不是 "ababc" 的子字符串。

class Solution(object):
    def maxRepeating(self, sequence, word):
        """
        :type sequence: str
        :type word: str
        :rtype: int
        """
        ans=0
        while (ans*word) in sequence:
            ans+=1
        return ans -1

class Solution(object):
    def maxRepeating(self, sequence, word):
        """
        :type sequence: str
        :type word: str
        :rtype: int
        """
        m,n=len(sequence),len(word)
        max_count=m//n
        ans,count=0,1
        
        while count<=max_count:
            temp=word*count
            if sequence.find(temp)!=-1:
                ans=max(ans,count)
                count+=1
            else:
                break            
        return ans

3.6 旋转字符串

• 给定两个字符串, s 和 goal。如果在若干次旋转操作之后，s 能变成 goal ，那么返回 true 。
• s 的 旋转操作 就是将 s 最左边的字符移动到最右边。

输入: s = "abcde", goal = "cdeab"
输出: true

class Solution(object):
    def rotateString(self, s, goal):
        """
        :type s: str
        :type goal: str
        :rtype: bool
        """
        return goal in s+s if len(s)==len(goal) else False