KMP算法

引言

1. 建议这部分内容不会的同学，可以先弄明白基本概念，这样才能知道书上的定义和定理说的是什么；然后再去理解定义和定理，理解它实现的具体原理，以及为什么要这么做，这么做的利弊；最后再仔细琢磨琢磨实现算法的代码。
2. 受限于本人能力和讲解形式，有些地方可能说得有欠妥或遗漏之处，故在文末推荐了几个大神制作的教学视频，有不懂的或感兴趣的同学可以看一看。
3. 码字不易，如果这篇文章对您有帮助的话，希望您能点赞、评论、收藏，投币、转发、关注。您的鼓励就是我前进的动力！

---

一、基本概念

1. 前缀：是指除了最后一个字符外，一个串的全部头部组合。 例如在子串「ABCABX」中，A，AB，ABC，ABCA，ABCAB 均是该串的前缀。
2. 后缀：是指除了第一个字符外，一个字符串全部尾部组合（不包括最后一个字符）。 如上例（ABCABX）中，B，AB，CAB，BCAB 均为该串的后缀。
3. 部分匹配值：就是前缀和后缀中最长的公共前后缀的长度值。 如上例（ABCABX）中，对于元素X来说，最长前后缀共有的元素为AB两个元素，所以部分匹配值为 2。
4. next数组值：等于部分匹配值加一（除第一个位置恒等于0外）。 如上例（ABCABX）中，对于元素X来说，部分匹配值为 2，所以 next 数组值为 2+1=3。

二、基本原理

1. 在暴力匹配算法中，对于在子串中与首字符相等的字符，可以省略一部分不必要的判断步骤（主串的回溯）。而KMP模式匹配算法，就是为了让没必要的回溯不发生（即主串不回溯，子串少回溯）。
2. KMP算法如何实现主串不回溯，子串少回溯的？ KMP算法主要就是在发生主串与子串有元素不匹配时，不移动指针（指针相对于主串静止）只移动子串。并且不是将子串拨回第一个位置，而是拨到恰当位置——将最大公共前后缀里的前缀直接移动到后缀所在位置，由于前后缀是相同的，所以这样移动后，子串与主串在比较指针前面的部分，上下是匹配的。从而实现主串不回溯，子串少回溯。

三、next数组值的推导

1. 公式：
   $$\boxed{next[j]\{\begin{array}{l}j=1时，为0\\ j>1时，为部分匹配值+1\end{array}}$$
2. 例题：求模式串「abcdabd」的next数组值。
   解析：直接套用公式即可。如下表：

$j$	1234567
模式串	abcdabd
$next[j]$	0111123

四、nextval数组

1. 改进过的KMP算法，它是在计算出next数组值的同时，如果 a 位字符与它的 next 值指向的 b 位字符相等，则该 a 位的nextval就指向 b 位的 nextval 值，如果不等，则该 a 位的nextval值就是他自己 a 位的next 值。即：
   $$\boxed{nextval[j]\{\begin{array}{l}j=1时，为0\\ j>1时\{\begin{array}{l}j位字符==next[j]位字符，为next[j]位字符的nextval值\\ j位字符!=next[j]位字符，为j位字符的next值\end{array}\end{array}}$$

五、实现代码

1. 求next数组值函数

void GetNext(String T,int next[])
{
	int i=1, k=0;
	next[1]=0;
	while (i<T[0])   // T[0]为串长
	{
		if (k==0||T[i]==T[k])
		{
			++i; 
			++k;	
			next[i]=k;
		}
		else    
			k=next[k];
	}
}

1. k是什么？ k实际上就是最大公共前后缀，即部分匹配值。代码中语句「++k; next[i]=k; 」就相当于「next数组值=部分匹配值+1」。
2. 该算法的主要思想就是通过 迭代 的方式，以旧值推导新值。体现如下：
   1）通过指针旧值自增「 i++; 」推出指针的新值，从而实现指针的后移。
   2）求某一元素的部分匹配值，即k的值。
3. 代码解释（写代码思路）：
   1）先定义指针i（注意指针i是从1开始的），部分匹配值k，及next数组。
   2）在循环外，先给第一个位置处的next数组值赋值为0。
   3）接着计算后续next数组值。
   i. 如果部分匹配值为0或（公共）前后缀的最后一个元素值相等（通过循环累加，k值就相当于公共前后缀的长度值），此时的k值就是当前指针所指元素的部分匹配值。自增，赋值给next数组即可。
   ii. 否则（即k值不为0且前后缀的最后一个元素值不相等），说明当前的k值不是对应元素的部分匹配值。将k值回溯到它的next数组值（即k=next[k]; ）比较此时前后缀最后一个元素是否相等（T[i]是否等于T[k]; )。若还不等，就再将k值回溯，直至相等或k=0。
   4）如此循环，直至算完该模式串的next数组值，再返回给主调函数。

2. KMP算法匹配查找函数

int Index_KMP(String S, String T, int pos)
{
	int i=pos;   //主串指针
	int j=1;    //子串指针
	int next[MAXSIZE]; 
	
	GetNext(T, next);   //此处换成GetNextval(T,nextval); 就是改进版的KMP匹配算法
	while ( i<=S[0] && j<=T[0] )
	{
		if ( j==0 || S[i]==T[j] )
		{  
			++i; 
			++j;
		}
		else 
			j=next[j];
	}
	if ( j > T[0] ) 
		return i-T[0];
	else 
		return 0;
}

1. 代码解释（写代码思路）：
   1）先定义主串指针 i，子串指针 j 和next数组，注意主串指针 i 初始化为pos（ i 可以不从主串的第一个元素开始匹配），子串指针 j 初始化为1。
   2）调用GetNext函数得到next数组。
   3）在指针 i，j 都小于串长时循环。在主串元素等于子串元素时（j=0的情况另讨论），说明元素匹配。将 i，j 均后移，继续比较下一对。否则，说明元素不匹配，主串指针不动，子串指针退回到恰当位置（next值所指的位置），再进行比较。
   4）匹配完后：
   i. 若 j 大于子串串长，说明子串与主串中的元素匹配（此时 j 等于子串串长加一），用主串指针位置减去子串串长，即得子串在主串中的首地址，返回其值。
   ii. 否则，说明未在主串中找到与子串匹配的部分，返回0。
2. 关于if语句中的判断条件中的 j==0 ：出现j=0的情况是：子串的第一个元素（next值为0）与主串比较时发生了不匹配，此时j = next[1] = 0; ，而「 ++j; 」就使得指针能再次指向子串第一个元素（不然 j=0 时，指针 j 未指向子串）。此时，由于主串元素与 j=1 的子串元素已经比过了，所以「 ++i; 」让子串的第一个元素与主串的下一个元素比较。

3. 改进版nextval数组函数

void GetNextval(String T,int nextval[])
{
	int i=1, k=0;
	nextval[1]=0;
	while (i<T[0])   
	{
		if (k==0||T[i]==T[k])
		{
			++i; ++k;	
			
			//比求next数组多的代码
			if (T[i]!=T[k])  
				nextval[i] = k;
			else 
				nextval[i] = nextval[k];
			
		}
		else    
			k=nextval[k];
	}
}

1. 求nextval数组的代码就是在求next数组的if-else语句中再嵌套一个if-else语句即可求得nextval数组值。
2. 注意：如果 a 位字符与它的 next 值指向的 b 位字符相等，则该 a 位的nextval就指向 b 位的 nextval 值，不是next值！

六、补充

1. KMP算法的时间复杂度为O(n+m)。该算法仅当模式串与主串之间存在许多部分匹配的情况下，才体现出它的优势，否则两者（与暴力匹配算法相比）差异并不明显。

七、推荐资料

1. 青岛大学王卓老师的数据结构与算法课
2. 天勤考研的KMP算法易懂版
3. 奇乐编程学院的KMP算法讲解视频

参考资料：
［1］ 程杰. 大话数据结构. 北京：清华大学出版社, 2020.
［2］严蔚敏，吴伟民. 数据结构 (C语言版). 北京：清华大学出版社, 1997.
［3］青岛大学-王卓老师数据结构与算法课
［4］天勤考研KMP算法易懂版视频

写在文末：今天是1024程序员节，祝广大程序员及准程序员节日快乐！