基于网上流传的错误KMP算法优化代码的纠正

前段时间琢磨了一下KMP算法，学习的时候就百度KMP的代码。随处可见一个基本没人怀疑的KMP优化代码，其目的为了减少连着的字符产生的多次迭代。当用一般的串去测试的时候结果正确。但使用“aaabaaaabac”这样的字符串去求next数组，则出错。我觉得很有必要把它写出来。

就拿aaabaaaabac来说，其next数组应该为-1，0，1，2，0，1，2，3，3，4，5，0.按照优化论该优化为：-1 ，-1，-1，2，0，0，0，0，3，4，5，0（最后一个3处的a，没证明是否可被优化，故没被优化）。

这样未优化的正确代码很简单：

void getNext2(char *pattern,  int *next)

{

    int i = 0; //pattern串的下标

    int j = -1; //

    next[0] = -1;

    int pattern_len=strlen(pattern);

    while (i < pattern_len )

    {

        if (j ==-1 || pattern[i] == pattern[j])

             next[++i] =++j;

        else

            j = next[j];

    }

}

网上随处可见的所谓优化代码：

void getNext2(char *pattern,  int *next)

{

    int i = 0; //pattern串的下标

    int j = -1; //

    next[0] = -1;

    int pattern_len=strlen(pattern);

    while (i < pattern_len )

    {

        if (j ==-1 || pattern[i] == pattern[j])

        {

            ++i;

            ++j;

            if (pattern[i] != pattern[j]) //正常情况

                next[i] = j;

            else //特殊情况，这里即为优化之处。考虑下AAAAB, 防止4个A形成0123在匹配时多次迭代。

                next[i] = next[j];

        }

        else

            j = next[j];

    }

}

其运行结果为 -1，-1，-1，2，-1，-1，-1，3，2，4，-1，1，0.结果是错的

如果将源代码修改一下，的却可以得到类似优化效果，但没人证明其可行性，其想法为下一次匹配失败，减少回溯次数。其条件是下次为相同字符匹配失败，这次的回溯即可优化。其代码如下：

void getNext3(char *pattern,  int *next)

{

    int i = 0; //pattern串的下标

    int j = -1; //

    next[0] = -1;

    int pattern_len=strlen(pattern);

    while (i < pattern_len )

    {

        if (j ==-1 || pattern[i] == pattern[j])

        {

            i++;j++;

            if (i>1&&pattern[i] == pattern[i-1]&&(pattern[i-1]==pattern[i-2]))//现有两个相同，下一个预测字符也要相同才优化

            {

                next[i] = next[i-1];

            }

            else

                next[i] = j;

        }

        else

            j = next[j];

    }

}

这样的输出就为：-1，0，0，2，0，1，1，1，3，4，5，0 看上去是对的。原理就是如果存在前后两个字符相等，且下一个匹配字符也相同，就取前一个的匹配值。这段代码好处是连续相等的字符最后一个相等的字符不会被优化。本人不知道这样的优化，会不会有bug，且缺少证明。所以建议KMP算法不用去优化这一点。这个优化并不能带来什么性能提升，反倒是bug一大堆。