KMP算法是优秀高效的字符串匹配算法,典型用法是查询一个字符串(通常称其为模式串)是否是另一个字符串(通常称其为目标串)的字串,是的话返回第一次出现的位置。当然,如果能深刻理解KMP算法的思想和原理,还可以用它解决一些其他的字符串问题。
网上相关的介绍有许多,这里我主要记录加介绍其中一些难理解的部分。
核心思想:利用模式串的自匹配信息(next[]数组)
朴素的字符串比较算法缺点在于一旦比较到某个字符不匹配,目标串和模式串都要同时回溯,但其实这样会造成许多重复比较,而KMP算法正是利用模式串的自匹配信息,去掉这些冗余的比较。例:
当S[5]和T[5]不匹配时,朴素算法的做法是将S回溯到S[1],T回溯到T[0],再开始比较,而KMP算法则是S串不回溯,让S[5]和T[2]进行比较。因为S[1]==T[1],而T[1]!=T[0],因此必然S[1]!=T[0],而朴素算法还要比较这一步,显然是没必要的。
那么如何知道当不匹配时该如何移动模式串呢?主要就是靠next[]数组。这里我们可以看到,T[5]之前的字串"abcab"它的前缀和后缀最长公共部分是"ab",其长度是2而且T[2]!=T[5],那么next[5]=2。
简单说,next[]数组里存的其实就是对应位置前 ,前后缀的最长公共部分的长度。这样,当那个位置不匹配时,目标串不动,可以直接把模式串前缀的位置“拉”到后缀的位置,因为它们是相同(预处理部分已求出),所以不需要再次比较。接着继续与目标串进行比较即可。体现在上面这个例子就是:当S[5]和T[5]不匹配,而T[5]之前的相同前后缀是"ab",就直接把T[0]、T[1]“拉”到T[3]、T[4]的位置,显然T[0]==S[3]、T[1]==S[4],接着比较T[2]与S[5]就行了。
那么该如何求next[]数组呢?其实那就是求模式串的一个自匹配过程(让模式串的字串与模式串本身进行匹配),既对模式串设两个下标,一个下标表示扫描模式串本身,一个表示模式串字串,因此求next[]数组的代码与跟目标串和模式串的匹配代码相似。
#include <iostream>
#include <vector>
#include <ctime>
#include <algorithm>
#include <cstdlib>
#include <cstring>
using namespace std;
const int N = 1e3+1;
int next1[N];
void getNext(const char *T)
{
int j=0,k=-1;// j下标表示模式串本身(也是求相同前后缀过程中的后缀终止部分)k代表模式串字串(前缀终止部分)
// 任何时候,都有T[0...k-1]与S[j-k...j-1]的相同,表示求解过程中对应的相同前后缀
next1[0]=-1;
while(T[j]) {
if (k==-1 || T[j]==T[k]) {
j++; k++;
if (T[j]==T[k]) next1[j]=next1[k];//KMP算法的优化部分,若T[j]与目标串不匹配时,因为T[j]==T[k],而若还让next1[j]=k,则匹配过程中模式串会回溯到k的位置,而T[k]显然还是不匹配,因此因采用next[k]处的跳转策略,既用T[next[k] ]去继续匹配;
else next1[j]=k;
}
else k=next1[k];
}
// for(int i=0;i<j;i++) //显示
// {
// cout<<next1[i]<<" ";
// }
// cout<<endl;
}
//abcdabcacab
int slove(const char* S,const char* T)
{
int i=0,j=0;
int len=strlen(T);
while(S[i]) {
if (S[i]==T[j]) {
i++,j++;
if (!T[j]) return i-len;
}
else {
if (next1[j]==-1) i++,j=0;
else if (next1[j]==0) j=0;
else j=next1[j];
}
}
return -1;
}
int main()
{
int n;
char a[N],b[N];
while(cin>>a>>b)
{
getNext(b);
printf("%d",slove(a,b));
}
}
/*
abcdabcacab
abca
dfkdkdldklsdfkdfddkfjsdjfie
fddkf;
*/
附:
串的模式值next[n]含义:
定义:
(1)next[0]= -1 意义:任何串的第一个字符的模式值规定为-1。
(2)next[j]= -1 意义:T[j] == T[0],且j的前面的1—k个字符与开头的1—k个字符不等(或者相等但T[k]==T[j] (1≤k<j))。
如:T=”abCabCad” 则 next[6]=-1,因T[3]=T[6]
(3)next[j]=k 意义:模式串T中下标为j的字符,如果j的前面k个字符与开头的k个字符相等,且T[j] != T[k] (1≤k<j)。
即T[0]T[1]T[2]。。。T[k-1]==T[j-k]T[j-k+1]T[j-k+2]…T[j-1]且T[j] != T[k].(1≤k<j);
(4) next[j]=0 意义:不存在j的前面的1—k个字符与开头的1—k个字符相等,且T[j] != T[0]
举例:
01)求T=“abcac”的模式函数的值。
next[0]= -1 根据(1)
next[1]=0 根据 (4) 因(3)有1<=k<j;不能说,j=1,T[j-1]==T[0]
next[2]=0 根据 (4) 因(3)有1<=k<j;(T[0]=a)!=(T[1]=b)
next[3]= -1 根据 (2)
next[4]=1 根据 (3) T[0]=T[3] 且 T[1]=T[4]
即
下标 | 0 | 1 | 2 | 3 | 4 |
T | a | b | c | a | c |
next | -1 | 0 | 0 | -1 | 1 |
若T=“abcab”将是这样:
下标 | 0 | 1 | 2 | 3 | 4 |
T | a | b | c | a | b |
next | -1 | 0 | 0 | -1 | 0 |
为什么T[0]==T[3],还会有next[4]=0呢, 因为T[1]==T[4], 根据 (3)” 且T[j] != T[k]”被划入(4)。
02)来个复杂点的,求T=”ababcaabc” 的模式函数的值。
next[0]= -1 根据(1)
next[1]=0 根据(4)
next[2]=-1 根据 (2)
next[3]=0 根据 (3) 虽T[0]=T[2] 但T[1]=T[3] 被划入(4)
next[4]=2 根据 (3) T[0]T[1]=T[2]T[3] 且T[2] !=T[4]
next[5]=-1 根据 (2)
next[6]=1 根据 (3) T[0]=T[5] 且T[1]!=T[6]
next[7]=0 根据 (3) 虽T[0]=T[6] 但T[1]=T[7] 被划入(4)
next[8]=2 根据 (3) T[0]T[1]=T[6]T[7] 且T[2] !=T[8]
即
下标 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
T | a | b | a | b | c | a | a | b | c |
next | -1 | 0 | -1 | 0 | 2 | -1 | 1 | 0 | 2 |
只要理解了next[3]=0,而不是=1,next[6]=1,而不是= -1,next[8]=2,而不是= 0,其他的好象都容易理解。
03) 来个特殊的,求 T=”abCabCad” 的模式函数的值。
下标 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
T | a | b | C | a | b | C | a | d |
next | -1 | 0 | 0 | -1 | 0 | 0 | -1 | 4 |
next[5]= 0 根据 (3) 虽T[0]T[1]=T[3]T[4],但T[2]==T[5]
next[6]= -1 根据 (2) 虽前面有abC=abC,但T[3]==T[6]
next[7]=4 根据 (3) 前面有abCa=abCa,且 T[4]!=T[7]
若T[4]==T[7],即T=” adCadCad”,那么将是这样:next[7]=0, 而不是= 4,因为T[4]==T[7].
下标 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
T | a | d | C | a | d | C | a | d |
next | -1 | 0 | 0 | -1 | 0 | 0 | -1 | 0 |
如果你觉得有点懂了,那么
练习:求T=”AAAAAAAAAAB” 的模式函数值,并用后面的求模式函数值函数验证。
意义:
next 函数值究竟是什么含义,前面说过一些,这里总结。
设在字符串S中查找模式串T,若S[m]!=T[n],那么,取T[n]的模式函数值next[n],
1. next[n]= -1 表示S[m]和T[0]间接比较过了,不相等,下一次比较 S[m+1] 和T[0]
2. next[n]=0 表示比较过程中产生了不相等,下一次比较 S[m] 和T[0]。
3. next[n]= k >0 但k<n, 表示,S[m]的前k个字符与T中的开始k个字符已经间接比较相等了,下一次比较S[m]和T[k]相等吗?
4. 其他值,不可能。