KMP模式匹配算法详解

1 问题描述

在进行字符串操作的时候，我们有一个需求，从给定的一个主串$s=s_0{s}_1...s_{m-1}$中查找是否包含了某个模式串$t=t_0{t}_1...t_{n-1}$，并返回模式串在主串中首次出现时的第一个字符在主串中的位置。用接口描述为 int indexOf(String str, int start); 调用时，int index = subStr.indexOf(str, start);这样就可以返回subStr子串在str中的起始位置了。

2 理论分析

最简单的实现方法就是暴力搜索Brute-Force：将模式串作为滑动窗口在主串上每滑动一格，然后将主串对应的字符依次与模式串比较。遇到第一个不匹配就将窗口向后滑动一格，模式串指针回退到0，主串指针与模式串对应，又依次比较，直到找到与模式串完全匹配的位置返回，若没有找到返回-1。这种方法实现简单，缺点是时间复杂度较高，为$O(m\times n)$，而KMP算法的时间复杂度仅为$O(m+n)$。

KMP算法核心思想：当某次匹配失败（$s_i$ /= $t_j$）时，主串$s$的当前比较位置$i$不必回退，此时主串中的$s_i$可直接和模式串某个$t_k(0<k<j)$进行比较，此处下标$k$的确定与主串无关，只与模式串本身的构成有关，即从模式串本身就可计算出$k$的值。

理论分析：设主串$s=s_0{s}_1...s_{m-1}$，模式串$t=t_0{t}_1...t_{n-1}$，从主串的某个位置开始比较，当匹配不成功($s_i$ /= $t_j$)时，在这前面的一段一定是匹配的，即
$$s_{i-j}{s}_{i-j+1}...s_{i-1}=t_0{t}_1...t_{j-1}$$

1. 若模式串中不存在任何满足式
   $$t_0{t}_1...t_{k-1}=t_{j-k}{t}_{j-k+1}...t_{j-1}(0<k<j)(\ast )$$
   则说明在模式串$t_0{t}_1...t_{j-1}$中不存在前缀子串$t_0{t}_1...t_{k-1}(0<k<j)$与主串$s_{i-j}{s}_{i-j+1}...s_{i-1}$中的$s_{j-k}{s}_{j-k+1}...s_{j-1}$子串相匹配，下一次可直接比较$s_i$和$t_0$。
2. 若模式串中存在满足$(\ast )$式的子串，则说明模式串$t_0{t}_1...t_{n-1}$中的前缀子串已经与主串$s_{i-j}{s}_{i-j+1}...s_{i-1}$中的$s_{j-k}{s}_{j-k+1}...s_{j-1}$子串相匹配，下一次可直接比较$s_i$和$t_k$。

理解：KMP算法关键是确定比较失败之后子串需要向后滑动的步数k。k值求法是看模式串中匹配失败点j前面的$t_0{t}_1...t_{j-1}$子串中，前几个字符，与后几个字符匹配的最大长度即为$k$。
例如：$t_0{t}_1...t_{j-1}$ = abcab，k = 2; $t_0{t}_1...t_{j-1}$ = ababa，k = 3。

求模式串的k值数组：模式串的每一个$t_j$都有一个$k$值对应，这个$k$值仅与模式串本身有关，而与主串$s$无关。因此我们先将每一$t_j$对应的位置的k值求出来，得到一个数组，这样每当我们与匹配失败时，就可以根据索引找到对应的k值。

3 算法实现

3.1 求next[j]

/**
 * 辅助函数：字符串匹配函数中求next[j]
 * @param T IString是自己实现的String类，可以当做String用
 * @return 返回模式串的所有k值数组
 */
private int[] getNext(IString T) {
	int[] nextval = new int[T.length()];
	int j = 0;
	int k = -1;
	nextval[0] = -1;
	while (j < T.length() - 1) {
		if (k == -1 || T.charAt(j) == T.charAt(k)) {
			j++;
			k++;
			if (T.charAt(j) != T.charAt(k)) {
				nextval[j] = k;
			} else {
				nextval[j] = nextval[k];
			}
		} else {
			k = nextval[k];
		}
	}
	return nextval;
}

/**
 * KMP算法
 * @param T 主串
 * @param start 从模式串的start位置开始向后搜索 
 */
@Override
public int indexOf(IString T, int start) {
	int[] next = getNext(T);
	int i = start;
	int j = 0;
	while (i < this.length() && j < T.length()) {
		if (j == -1 || this.charAt(i) == T.charAt(j)) {
			i++;
			j++;
		} else {
			j = next[j];
		}
	}
	if (j < T.length()) {
		return -1;
	} else {
		return (i - T.length());
	}
}