KMP算法之所以叫做KMP算法是因为这个算法是由三个人共同提出来的,就取三个人名字的首字母作为该算法的名字。其实KMP算法与BF算法的区别就在于KMP算法巧妙的消除了指针i的回溯问题,只需确定下次匹配j的位置即可,使得问题的复杂度由O(mn)下降到O(m+n)。
在KMP算法中,为了确定在匹配不成功时,下次匹配时j的位置,引入了next[]数组,next[j]的值表示P[0...j-1]中最长后缀的长度等于相同字符序列的前缀。
对于next[]数组的定义如下:
1)next[j]=-1 j=0
2)next[j]=max k:0<k<j P[0...k-1]=P[j-k,j-1]
3)next[j]=0 其他
因此KMP算法的思想就是:在匹配过程称,若发生不匹配的情况,如果next[j]>=0,则目标串的指针i不变,将模式串的指针j移动到next[j]的位置继续进行匹配;若next[j]=-1,则将i右移1位,并将j置0,继续进行比较。
因此KMP算法的关键在于求算next[]数组的值,即求算模式串每个位置处的最长后缀与前缀相同的长度, 而求算next[]数组的值有两种思路,第一种思路是用递推的思想去求算,还有一种就是直接去求解。
1.按照递推的思想:
根据定义next[0]=-1,假设next[j]=k, 即P[0...k-1]==P[j-k,j-1]
1)若P[j]==P[k],则有P[0..k]==P[j-k,j],很显然,next[j+1]=next[j]+1=k+1;
2)若P[j]!=P[k],则可以把其看做模式匹配的问题,即匹配失败的时候,k值如何移动,显然k=next[k]。
当我们分析一个子串时,例如:abcabcddes. 需要分析一下,每个字符x前面最多有多少个连续的字符和字符串从初始位置开始的字符匹配。然后+1就行了(别忘了,我们的字符串都是从索引1开始的)当然,不要相同位置自己匹配,默认第一个字符的匹配数是0。
代码如下:
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
void getnext(char b[], int next[])
{
int i = 1,j = 0; //i是每个位子,j是回退的位子
next[1] = 0;
while(i <= strlen(b))
{
if(j == 0||b[i-1] == b[j-1])
{
i++;
j++;
next[i]=j;
}
else
j = next[j]; //用上一个的 回退关系
}
}
int kmp(char a[], char b[], int next[])
{
int i = 1,j = 1; //i是主串中的位子 ,j匹配串的位子
while(i <= strlen(a) && j <= strlen(b))
{
if(j == 0||a[i-1] == b[j-1])
{
i++;
j++;
}
else j = next[j];
}
if(j > strlen(b))
return i - strlen(b);
else return 0;
}
int main()
{
char a[40], b[40];
int next[100] = {0};
printf("要匹配的主串:\n");
scanf("%s",a);
printf("要匹配的子串:\n");
scanf("%s", b);
getnext(b, next);
printf("输出next值:\n");
for(int i = 1; i <= strlen(b); i++)
printf("%d ", next[i]);
printf("\n");
printf("%d\n",kmp(a, b, next));
system("pause");
return 0;
}