KMP是一个单串匹配
O(n)
O
(
n
)
的算法,不同于Hash,这个是保证正确的。
什么是单串匹配呢?就是给你一个模式串P和一个文本串T,问P在T中的哪些位置出现过。
暴力做法就是把T的每个位置都跟P匹配一遍,复杂度为
O(len(T)∗len(P))
O
(
l
e
n
(
T
)
∗
l
e
n
(
P
)
)
,也就是
O(nm)
O
(
n
m
)
。
以下,因为公式化的引号(包括单引号和双引号)不好看,所以单个字符或字符串的两边都没有引号。
我们发现,有些位置我们会匹配重复很多遍,浪费大量的时间。比如说,当
P=aaab,T=aaaab
P
=
a
a
a
b
,
T
=
a
a
a
a
b
时,前三个a都能匹配上,到第四个字符发现a不等于b时,我们就得重头再来,而不是利用之前能够匹配上的三个a。
那怎样尽可能减少这种无意义的匹配呢?
介绍一下KMP的核心:next数组。next[i]代表模式串中第0位到第i-1位的最长公共前后缀的长度,也就是当前位置失配后应当匹配的下一个。试想一下,假如next[i] = x,就意味着第0位到第x-1位和第i-x位到第i-1位是一样的,那么当你在第i位匹配失败了,你就直接跳到第x位匹配不就很好吗?
下面举个例子:
0
0
2
2
4
4
a
a
d
d
b
b
a
a
d
d
b
b
a
a
c
c
其中,第一行是,第二行是
P[i]
P
[
i
]
,第三行是
T[i]
T
[
i
]
。
模拟一下匹配过程:
维护两个指针
i,j
i
,
j
进行匹配,其中
i
i
维护T当前的位置,维护
P
P
当前的位置,初值均为0;
发现,则
i,j
i
,
j
两个指针都加1,此时
i=j=1
i
=
j
=
1
;
发现
P[1]=T[1]
P
[
1
]
=
T
[
1
]
,则
i,j
i
,
j
两个指针都加1,此时
i=j=2
i
=
j
=
2
;
……
…
…
发现
P[4]=T[4]
P
[
4
]
=
T
[
4
]
,则
i,j
i
,
j
两个指针都加1,此时
i=j=5
i
=
j
=
5
;
紧接着,
P[5]≠T[5]
P
[
5
]
≠
T
[
5
]
,我们有
P[0]=P[3]=a,P[1]=P[4]=b
P
[
0
]
=
P
[
3
]
=
a
,
P
[
1
]
=
P
[
4
]
=
b
,因为
P[3],P[4]
P
[
3
]
,
P
[
4
]
与
T[3],T[4]
T
[
3
]
,
T
[
4
]
能够成功匹配,就意味着
P[0],P[1]
P
[
0
]
,
P
[
1
]
与
T[3],T[4]
T
[
3
]
,
T
[
4
]
也能成功匹配,所以
P[5]
P
[
5
]
匹配失败后,我们就可以用
P[2]
P
[
2
]
去试试,即
j=next[j]=2
j
=
n
e
x
t
[
j
]
=
2
。
然后一路顺风顺水地就匹配完了。
Code
#include <iostream>
#include <cstring>
#include <cstdio>
const int maxn = 1e6 + 7;
using namespace std;
int n;
char t[maxn];
char p[maxn];
int nex[maxn];
inline void get_next(char *p, int *nex)
{
int i = 0, j = -1;
nex[0] = -1;
while (p[i]) {
if (j < 0 || p[i] == p[j]) nex[++i] = ++j;
else j = nex[j];
}
}
inline void kmp(char *t, char *p)
{
for (int i = 0, j = 0; t[i]; i++) {
while (~j && t[i] != p[j]) j = nex[j];
j++;
if (j == n) printf("%d\n", i - n + 2);
}
}
int main(void)
{
scanf("%s%s", t, p);
n = strlen(p);
get_next(p, nex);
kmp(t, p);
for (int i = 1; i <= n; i++) printf("%d ", nex[i]);
return 0;
}