探索KMP算法

文章转自：http://blog.csdn.net/v_july_v/article/details/7041827

作者：July

记得第一次接触KMP算法的时候是在初中，那个时候搞NOIP的竞赛。直到上了高中搞NOI，都一直没有搞清楚KMP算法的原理。现在正好有时间，可以理一理对KMP算法的理解。

KMP算法大家应该不陌生，主要的精髓集中在对Next[ ]数组的求解，下面借助大神JULY的文章，一起研究研究高大上的KMP算法。

咱们首先给出KMP算法的结论：

1.假设现在S串匹配到 i 位置，T串匹配到 j 位置

           如果当前字符匹配成功，即S[i] == T[j]         令i++，j++，继续匹配下一个字符；

           如果失配，即S[i] != T[j]         令i不变，j = next[j]，(next[j]  <=  j - 1)，即模式串T相对于原始串S向右移动了至少1位

          （换言之，当匹配失败时，模式串向右移动的位数为：失配字符所在位置 - 失配字符对应的next 值，即移动的实际位数：j-next[j] >= 1）

步骤

• ①寻找最长前缀、后缀
  • 对于Pj = p0 p1 ...pj-1 pj，查找字符串Pj的最大相等k前缀和k后缀
    • 即查找满足条件的最大的k，使得p0 p1 ...pk-1 pk = pj-k pj-k+1...pj-1 pj

• ②求next数组
  • 根据第①步骤中求得的各个最大前缀后缀的公共元素长度求得next 数组，相当于前者右移一位且初值赋为-1

• ③匹配失配
  • 向右移动位数：j - next[j]  (注：j 是位置，next数组中，j 从0开始计数。)

    接下来，分别具体阐述这3个步骤。

前缀后缀

    如果给定一个字符串：“ABCDABD”，那么其各个前缀后缀字符串分别如下表格所示：

也就是说，原字符串对应的各个前缀后缀的公共元素的最大长度表为（ 下简称最大长度表）：
基于《最大长度表》匹配

    下面，咱们就结合之前的最大长度表和上述结论，进行字符串的匹配。给定如下图所示的原始串和模式串

        

    因为模式串中首尾可能会有重复的字符，故可得出下述结论：

失配时，模式串向右移动的位数为：已匹配字符数 - 失配字符的上一位字符所对应的最大长度值

• ①当模式串最后一个字符D跟原始串匹配时失配，显而易见，模式串需要向右移动。但向右移动多少位呢？
  • 如果利用最原始的朴素匹配算法，那么把模式串不断的向右移动一位，直到全部字符实现匹配；
  • 事实上，因为此时已经匹配的字符数为ABCDAB，然后根据《最大长度表》可得字符B对应的长度值为2，所以根据之前的结论，可知需要向右移动6 - 2 = 4 位。

• ②模式串向右移动4位后，发现C处再度失配，因为此时已经匹配了AB两个字符，且上一个字符B对应的最大长度值为0，所以向右移动：2 - 0 =2 位。

           

• ③A与空格失配，向右移动一位。

• ④继续比较，发现D与C 失配，故向右移动的位数为：已匹配的字符数减去上一位字符B对应的最大长度，即向右移动6 - 2 = 4 位。

           

• ⑤经历第④步后，发现匹配成功，过程结束。

         

最大长度表引出next 数组

        由上文，我们已经知道，字符串“ABCDABD”各个前缀后缀的最大公共元素长度分别为：

        而且，根据这个表可以得出下述结论

• 失配时，模式串向右移动的位数为：已匹配字符数 - 失配字符的上一位字符所对应的最大长度值

       上文利用这个表和结论进行匹配时，我们发现，当匹配到一个字符失配时，其实没必要考虑当前失配的字符，更何况我们每次失配时，都是看的失配字符的上一位字符对应的最大长度值。如此，便引出了next 数组。

       给定字符串“ABCDABD”，可求得它的next 数组如下：

       把next 数组跟之前求得的最大长度表对比后，不难发现，next 数组相当于“最大长度值” 整体向右移动一位，然后初始值赋为-1。意识到了这一点，你会惊呼原来next 数组的求解竟然如此简单！从而有

失配时，模式串向右移动的位数为：失配字符所在位置 - 失配字符对应的next 值

       而后，你会发现，无论是基于最大长度表的匹配，还是基于next 数组的匹配，两者得出来的向右移动的位数是一样的。不信的话，咱们可以来看看具体过程。

基于《next 数组》匹配

    下面，我们来基于next 数组进行匹配。

• ①匹配到字符D时失配，由于 j 从0开始计数，故数到失配的字符D时 j 为6，且字符D对应的next 值为2，所以向右移动的位数为：j - next[j] = 6 - 2 =4 位

• ②向右移动4位后，C再次失配，向右移动：j - next[j] = 2 - 0 = 2 位

           

• ③移动两位之后，A 对应着空格导致不匹配，再次后移一位

• ④D处失配，向右移动 j - next[j] = 6 - 2 = 4 位

           

• ⑤匹配成功，过程结束。

          

    匹配过程一模一样。也从侧面佐证了，next 数组确实是只要将各个最大前缀后缀的公共元素的长度值右移一位，且把初值赋为-1 即可。

基于《最大长度表》与基于《next 数组》等价

    其实，利用next 数组进行匹配失配时，模式串向右移动 j - next [ j ] 位，等价于已匹配字符数 - 失配字符的上一位字符所对应的最大长度值。为什么呢？

1. j 从0开始计数，那么当数到失配字符时，j 的数值就是已匹配的字符数；
2. 由于next 数组是由最大长度值表整体向右移动一位（且初值赋为-1）得到的，那么失配字符的上一位字符所对应的最大长度值，即为当前失配字符的next 值。

    那为何本文不直接利用next 数组进行匹配呢？因为next 数组不好求，而一个字符串的前缀后缀的公共元素的最大长度值很容易求，例如若给定字符串“abab”，要你求其next 数组，则乍一看，无从求起，而要你求其前缀后缀公共元素的最大长度，则很容易得出是：0 0 1 2，如下表格所示：

    

    然后这4个数字 全部整体右移一位，且初值赋为-1，即得到其next 数组：-1 0 0 1。