【基础算法】KMP字符串

字符串匹配问题

• 字符串A是否为字符串B的子串?如果是的话出现在B的哪些位置？
• 该问题就是字符串匹配问题，字符串A称为模式串，字符串B称为主串。

暴力做法

• 我们可以枚举模式串在主串中的起点i，然后依次对比A[0]和B[i]……A[len(A)]和B[i+len(A)]，如果相同则匹配成功，否则继续枚举起点。
• 如果每次都是在最后一位失配，则会产生最坏的情况，时间复杂度为O(nm)，n、m分别为A、B的长度。

优化算法（KMP）

• 两个字符串是否相同的比较很难优化，只能逐个字符比较。然而比较的次数是可以减少的，因此尽可能减少比较的次数是算法优化的方向，也是KMP算法的核心思想。
• KMP算法分为两步：1）求next数组；2）字符串匹配。
• 如何减少匹配次数呢？我们可以观察每次匹配时隐含的信息。
  • 给定模式串A=“abcabd”，主串B=“abcabcabd”
  • 该做法的正确性这里不作证明。
  • Q：现在，我们的问题是：如何求最长的相同的前缀pre和后缀suf？
  • A：next数组！

next数组

求next数组code

void getNext(int len, char str[])
{
	//需要注意，我们是第j+1位和第i位比较
    for (int i = 2, j = 0; i <= len; i++) {
    	//失配。如果j为0则说明没有相同的前缀和后缀，所以j=0可以推出ne[j]=j=0，因此退出循环
        while (str[i] != str[j + 1] && j) j = ne[j];
        //无论是否失配，我们都要比较主串第i位和模式串的第j+1位
        if (str[i] == str[j + 1]) j++;
        //①等于③，所以子串[1-i]的最长相同前后缀为[1-j]、[?-i]
        ne[i] = j;
    }
}

例题

给定一个字符串 S，以及一个模式串 P，所有字符串中只包含大小写英文字母以及阿拉伯数字。
模式串 P 在字符串 S 中多次作为子串出现。
求出模式串 P 在字符串 S 中所有出现的位置的起始下标。

完整代码

#include <iostream>

using namespace std;

const int N = 1000010;
char a[N], b[N];
int aLen, bLen;
int ne[N];
void getNext(int len, char str[])
{
    for (int i = 2, j = 0; i <= len; i++) {
        while (str[i] != str[j + 1] && j) j = ne[j];
        if (str[i] == str[j + 1]) j++;
        ne[i] = j;
    }
}
int main()
{
    cin >> aLen >> a + 1 >> bLen >> b + 1;
    
    getNext(aLen, a);
    
    for (int i = 1, j = 0; i <= bLen; i++) {
        while (a[j + 1] != b[i] && j) j = ne[j];
        if (a[j + 1] == b[i]) j++;
        if (j >= aLen) {
            cout << i - aLen<< ' ';
            j = ne[j];
        }
    }
    return 0;
}

END