LeetCode刷题|day9 字符串

KMP算法

作用：应用在字符串匹配中。

主要思想：当出现字符串不匹配时，利用已知的已匹配的文本内容，避免从头匹配。

重点：在KMP算法中使用next数组记录已经匹配的文本内容。

什么是前缀表？记录下标i（包括i）的字符串中，有多大长度的相同前后缀。

next数组就是一个前缀表，利用前缀表进行回退，其记录了模式串和文本串不匹配时，模式串用从哪个位置开始重新匹配。

例：要在文本串：aabaabaafa中查找是否出现过一个模式串：aabaaf

如上图所示：文本串中第六个字符b和模式串f不匹配，如果暴力匹配，则需要从头开始匹配；若使用前缀表，就不会从头匹配，而是从上次已经匹配的内容开始匹配，找到模式串中第三个字符b继续开始匹配。那么前缀表是如何记录的呢？前缀表的任务是当前位置匹配失败，找到之前已经匹配上的位置，再重新匹配，也就意味着再某个字符不匹配时，前缀表会告诉你下一步匹配中，模式串应该跳到哪个位置。

前缀与后缀

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。

例：在匹配的过程中，在下标5的地方遇到不匹配，模式串指向5；

然后找到了下标2，指向b，继续匹配

下标5之前的这部分字符串（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，那么我们找到了与其相同的前缀得到后面重新匹配即可。

如何计算前缀表

例：aabaaf

长度为前1个字符的子串a，最长相同前后缀的长度为0；

长度为前2个字符的子串aa，最长相同的前后缀的长度为1；前缀a 后缀 a

长度为前3个字符的子串aab，最长相同的前后缀的长度为0；前缀：a，aa 后缀 ab，b

（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。）

以此类推，长度为前4个字符的子串aaba，最长相同的前后缀长度为1(前缀：a,aa,aab后缀：aba,ba,a);长度为前5个字符的子串aabaa，最长相同的前后缀长度为2(前缀：a,aa,aab,aaba后缀：abaa,baa,aa,a)；长度为前6个字符的子串aabaaf（前缀：a,aa,aab,aaba,aabaa后缀：abaaf,baaf,aaf,af,f），最长相同的前后缀长度为0；

于是，求得最长相同前后缀长度就是对于前缀表的元素，如下图：

前缀表与next数组

next数组就可以是前缀表，但是很多实现都是把前缀表统一减一（右移一位，初始位置为-1）之后作为next数组。其实这并不涉及到KMP的原理，而是具体实现，next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数组匹配

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。

构造next数组

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。 代码如下：

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

构造next数组其实就是计算模式串s，前缀表的过程。 主要有如下三步：

1. 初始化

2. 处理前后缀不相同的情况

3. 处理前后缀相同的情况

1. 初始化：

定义两个指针i和j，j指向前缀末尾的位置，i指向后缀末尾的位置。

对next数组进行初始化赋值，如下：

int j =-1;
next[0]= j;

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）

2. 处理前后缀不相同的情况

因为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。

使用遍历模式串是s的下标i要从1开始，代码如下：

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。

怎么回退呢？

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。

那么 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]）。

所以，处理前后缀不相同的情况代码如下：

while(j >=0&& s[i]!= s[j +1]){// 前后缀不相同了
    j = next[j];// 向前回退
}

3. 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;

使用next数组做匹配

在文本串s里找是否出现过模式串t。

定义两个下标j 指向模式串起始位置，i指向文本串起始位置。

那么j初始值依然为-1，为什么呢？ 依然因为next数组里记录的起始位置为-1。

i就从0开始，遍历文本串，代码如下：

for(int i =0; i < s.size(); i++)

接下来就是 s[i] 与 t[j + 1] （因为j从-1开始的） 进行比较。

如果 s[i] 与 t[j + 1] 不相同，j就要从next数组里寻找下一个匹配的位置。

代码如下：

while(j >=0&& s[i]!= t[j +1]){
    j = next[j];}

如果 s[i] 与 t[j + 1] 相同，那么i 和 j 同时向后移动， 代码如下：

if(s[i]== t[j +1]){
    j++;// i的增加在for循环里
}

如何判断在文本串s里出现了模式串t呢，如果j指向了模式串t的末尾，那么就说明模式串t完全匹配文本串s里的某个子串了。

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。

if(j ==(t.size()-1)){
    return(i - t.size()+1);
}

haystack为文本串, needle为模式串。

28. 找出字符串中第一个匹配项的下标 - 力扣（LeetCode）

class Solution {
public:
    void getNext(int* next, const string& s){
        int j = -1;
        next[0]=j;
        for(int i =1;i<s.size();i++){
            while(j>=0&&s[i]!=s[j+1]){
                j=next[j];
            }
            if(s[i]==s[j+1]){
                j++;
            }
            next[i]=j;
        }
    }
    int strStr(string haystack, string needle) {
        if(needle.size()==0){
            return 0;
        }
        int next[needle.size()];
        getNext(next, needle);
        int j = -1;
        for(int i=0;i<haystack.size();i++){
            while(j>=0&&haystack[i]!=needle[j+1]){
                j=next[j];
            }
            if(haystack[i]==needle[j+1]){
                j++;
            }
            if(j==(needle.size()-1)){
                return (i-needle.size()+1);
            }
        }
        return -1;
    }
};

459. 重复的子字符串 - 力扣（LeetCode）

移动匹配

当一个字符串s：abcabc，内部由重复的子串组成，那么这个字符串的结构一定是这样的：

也就是由前后相同的子串组成。

那么既然前面有相同的子串，后面有相同的子串，用 s + s，这样组成的字符串中，后面的子串做前串，前后的子串做后串，就一定还能组成一个s，如图：

所以判断字符串s是否由重复子串组成，只要两个s拼接在一起，里面还出现一个s的话，就说明是由重复子串组成。

当然，我们在判断 s + s 拼接的字符串里是否出现一个s的的时候，要刨除 s + s 的首字符和尾字符，这样避免在s+s中搜索出原来的s，我们要搜索的是中间拼接出来的s。

class Solution {
public:
    bool repeatedSubstringPattern(string s) {
        string t = s+s;
        t.erase(t.begin());
        t.erase(t.end()-1);
        if(t.find(s)!=std::string::npos) return true;
        return false;
    }
};

在由重复子串组成的字符串中，最长相等前后缀不包含的子串就是最小重复子串，这里拿字符串s：abababab 来举例，ab就是最小重复单位，如图所示：

如何找到最小重复子串

步骤一：因为 这是相等的前缀和后缀，t[0] 与 k[0]相同， t[1] 与 k[1]相同，所以 s[0] 一定和 s[2]相同，s[1] 一定和 s[3]相同，即：，s[0]s[1]与s[2]s[3]相同 。

步骤二： 因为在同一个字符串位置，所以 t[2] 与 k[0]相同，t[3] 与 k[1]相同。

步骤三： 因为 这是相等的前缀和后缀，t[2] 与 k[2]相同 ，t[3]与k[3] 相同，所以，s[2]一定和s[4]相同，s[3]一定和s[5]相同，即：s[2]s[3] 与 s[4]s[5]相同。

步骤四：循环往复。

所以字符串s，s[0]s[1]与s[2]s[3]相同， s[2]s[3] 与 s[4]s[5]相同，s[4]s[5] 与 s[6]s[7] 相同。

正是因为 最长相等前后缀的规则，当一个字符串由重复子串组成的，最长相等前后缀不包含的子串就是最小重复子串。

简单推理

假设字符串s使用多个重复子串构成（这个子串是最小重复单位），重复出现的子字符串长度是x，所以s是由n * x组成。

因为字符串s的最长相同前后缀的长度一定是不包含s本身，所以 最长相同前后缀长度必然是m * x，而且 n - m = 1，所以如果 nx % (n - m)x = 0，就可以判定有重复出现的子字符串。next 数组记录的就是最长相同前后缀， 如果 next[len - 1] != -1，则说明字符串有最长相同的前后缀（就是字符串里的前缀子串和后缀子串相同的最长长度）。

数组长度为：len。

如果len % (len - (next[len - 1] + 1)) == 0 ，则说明数组的长度正好可以被 (数组长度-最长相等前后缀的长度) 整除 ，说明该字符串有重复的子字符串。

数组长度减去最长相同前后缀的长度相当于是第一个周期的长度，也就是一个周期的长度，如果这个周期可以被整除，就说明整个数组就是这个周期的循环。

next[len - 1] = 7，next[len - 1] + 1 = 8，8就是此时字符串asdfasdfasdf的最长相同前后缀的长度。

(len - (next[len - 1] + 1)) 也就是： 12(字符串的长度) - 8(最长公共前后缀的长度) = 4， 4正好可以被 12(字符串的长度) 整除，所以说明有重复的子字符串（asdf）。

class Solution {
public:
    void getNext (int* next, const string& s){
        next[0] = -1;
        int j = -1;
        for(int i = 1;i < s.size(); i++){
            while(j >= 0 && s[i] != s[j + 1]) {
                j = next[j];
            }
            if(s[i] == s[j + 1]) {
                j++;
            }
            next[i] = j;
        }
    }
    bool repeatedSubstringPattern (string s) {
        if (s.size() == 0) {
            return false;
        }
        int next[s.size()];
        getNext(next, s);
        int len = s.size();
        if (next[len - 1] != -1 && len % (len - (next[len - 1] + 1)) == 0) {
            return true;
        }
        return false;
    }
};

（判断条件要想清楚）