写给自己的KMP——C++版本

一、前言

又翻到了这个算法，一个常用的子串（子数组）匹配算法，看一遍学一遍，学一遍忘一遍，反反复复，不过每次回忆起来所用的时间越来少了，其本质上就是在暴力搜索的基础上加上 next 数组加速匹配，算法的关键在于 next 数组的理解和求解方法。

不想画图，缺少图解的算法很难给初学者讲清楚，所以本文也仅仅是个人的笔记而已，用于记录算法中关键点、帮助回忆或者理解其中的一些关键因素，如果想从头学习 KMP，还是去搜索其他资料吧，相关的内容有很多，有些文章写的很详细的。

今天的示例代码用C++来写，上一版的自己写的KMP我查了一下是C语言版本的，初看起来已经有点费劲了，随着时间的推移，我决定根据理解再写一次，写完才发现，和之前的风格判若两人。

二、暴力搜索

在原字符串中搜索模式串，最容易想到的就是暴力搜索，匹配则向后移动，不匹配则原串回溯，模式串归0，代码很容易实现，列举如下：

#include <iostream>
#include <string>
using namespace std;

int violence_find(string s, string p) {
    int m = s.size(), n = p.size(), i = 0, j = 0;

    while (i < m && j < n) {
        if (s[i] == p[j]) { // match character
            ++i;
            ++j;
        } else { // mismatch
            i -= j - 1;
            j = 0;
        }
    }

    return j == n ? i - j : -1;
}

int main() {
    string s("abdfdjfdkekfdaa5gsdsf");
    string p("fdkekfd");

    cout << violence_find(s, p) << endl;
    return 0;
}

典型的 O(MN) 解法，这种解法慢就慢在原字符串的回溯上，也就是语句 i -= j - 1; 的效果，当出现失配时，原字符串之前的匹配几乎“白费”，每次最多移动一个字符，而 KMP 算法决定利用之前的“努力成果”。

三、KMP算法

在 KMP 算法中先利用模式串构建一个 next 数组，当出现失配情况时根据模式串前缀和后缀情况，最大程序利用已经匹配的部分来达到加速查找的目的，只需要求一个 next 数组，其他部分和暴力匹配的代码很像：

int kmp_tmp(string s, string p) {
    int m = s.size(), n = p.size(), i = 0, j = 0;

    vector<int> next = std::move(gen_next(p));

    while (i < m && j < n) {
        if (s[i] == p[j]) {
            ++i;
            ++j;
        } else { // mismatch
            j = next[j];
            if (j == -1) {
                ++i;
                j = 0;
            }
        }
    }

    return j == n ? i - j : -1;
}

和暴力搜索的代码对照下，只有 else 中语句块不太一样，这个 i 只前进不后退了，其实这个里的 j == -1 语句可以合并到判定相等的 if 语句块中，完成 KMP 代码如下：

#include <iostream>
#include <string>
#include <vector>
using namespace std;

vector<int> gen_next(string p) {
    int n = p.size(), i = 0, j = -1;
    vector<int> next(n, -1);

    while (i < n - 1) {
        if (j == -1 || p[i] == p[j]) {
            ++i;
            ++j;
            next[i] = j;
        } else j = next[j]; // mismatch, move j
    }

    return next;
}

int kmp(string s, string p) {
    int m = s.size(), n = p.size(), i = 0, j = 0;

    vector<int> next = std::move(gen_next(p));

    while (i < m && j < n) {
        if (j == -1 || s[i] == p[j]) {
            ++i;
            ++j;
        } else j = next[j]; // mismatch, move j
    }

    return j == n ? i - j : -1;
}

int main() {
    string s("abdfdjfdkekfdaa5gsdsf");
    string p("fdkekfd");

    cout << kmp(s, p) << endl;
    return 0;
}

四、关键点记录

1. next[i] 中记录的实际上是 p[0,i-1] 这个字符串中所有前缀和所有后缀交集中最长字符串的长度，比如'fdkekfd' 这个字符串所有前缀和所有后缀交集中最长字符串是 'fd'，其长度是2。

2. 字符串的前缀和后缀不包括字符串本身。

3. next[0] 初始化成-1仅仅是一个编程技巧，你可以初始化成任意值，只要你分辨出是失配的情况即可，这里初始成 -1 正好可以和 s[i] == p[j] 这种情况合并，所以初始化成 -1 会常用一点。

4. 在 KMP 算法中原串索引 i 比较傲娇，它只前进不会回溯，这也是 KMP 速度快的一个主要原因。

5. 当出现失配时，模式子串的前缀和后缀有重合，可以直接移动模式串的前缀到刚刚匹配的后缀部分，但要记住如果没有重合的前缀和后缀，失配时移动模式串的速度会更快，这里容易弄反。

五、总结

• KMP 算法的关键是求解 next 数组，是一个被称为部分匹配表(Partial Match Table)的数组
• KMP 算法相比暴力匹配时间复杂度提升到了O(N+M)，但是并不是最优秀的字符串匹配算法
• 想要更快或者选择更合适的算法可以了解下从模式串的尾部开始匹配的 BM算法，以及从模式串的头部开始匹配的 Sunday算法

---

==>> 反爬链接，请勿点击，原地爆炸，概不负责！<<==

---

想要看到更高的风景，除了让自己跳的更高以外，还可以选一个更高的平台站上去。找到一个2米高的平台并努力爬上去，远比你原地起跳2米要容易的多~