KMP算法-字符串匹配-20200914

问题描述

给定一个字符串（主串），在该字符串中查找并定位任意给定字符串（模式串）。查看给定的字符串是否包含在该字符串中。若匹配成功，则返回模式串第一个字符在主串中的位置，否则返回-1。
引自《ACM-ICPC基本算法》 滕国文，李昊编著

问题分析

字符串中的每个字符依次和主串中的一个连续的字符序列相等，则称匹配成功，反之成为匹配不成功。从主串 s 的第一个字符开始和模式串 p 的第一个字符进行比较，若相等，则继续比较两者的后续字符；若不相等，则从主串 $s$ 的第二个字符开始和模式串 $p$ 的第一个字符进行比较，重复上述过程，若 $p$ 中的字符全部比较完毕，则说明本趟匹配成功；若主串 $s$ 中剩下的字符不足以匹配整个模式串，则匹配失败。
 
在进行字符串匹配的过程中，当某个位置匹配不成功的时候，应该从模式串的下一位置开始新的比较。将这个位置的值存放在 $next$ 数组中，其中 $next$ 数组中的元素满足这个条件：$next$[$j$]=$k$，表示的是当模式串中下标为 $j$ 的字符（第 $j+1$ 个字符）发生匹配不成功的情况时，应该从模式串的下标为 $k$ 的字符（第 $k+1$ 个字符）开始新的匹配。如果已经得到了模式串的 $next$ 数组，匹配可如下进行：令指针 $i$ 指向主串 $s$， 指针 $j$ 指向模式串 $p$ 中当前正在比较的字符的位置。对指针 $i$ 和指针 $j$ 指向的字符进行比较，若两字符相等，则顺序比较后面的字符；如果不相等，则指针 $i$ 不动，回溯指针 $j$，令其指向模式串 $p$ 的下标为 $pos$ 的字符， 使 $p[0\sim pos-1]=s[i-pos\sim i-1]$。然后指针 $i$ 和 指针 $j$ 指向的字符按此种方法继续比较，直到 $j==\text{len}(p)$，即在主串 $s$ 中找到模式串 $p$ 为止。获取 $next$ 函数的编写为整个算法的核心。
 
利用递推思想来设计 $next$ 函数：

1. 令 $next[0]=-1$，方便编写程序，直接将 $i，j$ 均递增即可；
2. 假设 $next[j]=k$，说明 $p[0\sim k-1]==p[j-k\sim j-1]$。
3. 现在来求 $next[j+1]$

• 当 $p[j]==p[k]$ 时，说明 $p[0\sim k]==p[j-k\sim j]$，这时分为两种情况讨论：当 $p[j+1]!=p[k+1]$ 时，显然 $next[j+1]=k+1$；当 $p[j+1]==p[k+1]$ 时，说明 $p[k+1]$ 和 $p[j+1]$ 一样，都不和主串的当前字符相匹配，因此 令 $m=k+1，m=next[m]$，直到 $p[m]!=p[j+1]$，最终 $next[j+1]=m$。
• 当 $p[j]!=p[k]$ 时，必须在 $p[0\sim k-1]$ 中找到 $next[j+1]$，这时令 $k=next[k]$，直到 $p[j]==p[k]$ 或者 $k==-1$，然后令 $next[j+1]=k+1$；这样，我们就通过递推思想求得了模式串 $p$ 的 $next$ 数组。

复杂度分析

• 时间复杂度：$O(m+n)$：$m$ 为 模式串 $p$ 的长度，$n$ 为 主串 $s$ 的长度，为 $p$ 构建 $next$ 数组复杂度为 $O(m)$，在主串 $s$ 中查找 $p$ 复杂度为 $O(n)$，因为 $i$ 会一直递增。
• 空间复杂度：$O(m)$：存储模式串 $p$ 的 $next$ 数组。

代码

# kmp
def getNext(p):
    n = len(p)
    next = [0] * n
    next[0] = -1
    i = 0
    j = -1
    while i < n-1:
        if j == -1 or p[i] == p[j]:
            i += 1
            j += 1
            if p[i] == p[j]:
                next[i] = next[j]
            else:
                next[i] = j
        else:
            j = next[j]
    return next


def kmp(s, p):
    fail = getNext(p)
    n, m = len(s), len(p)
    i = 0
    j = 0
    while i < n:
        while not (j == -1 or s[i] == p[j]):
            j = fail[j]
        i += 1
        j += 1
        if n - i < m - j:
            break
        if j == m:
            return i-m
    return -1


if __name__ == '__main__':
    ans = kmp('abcabd', 'ca')  # 2
    pass