kmp算法
设有主串s和子串t,子串t定位是指在主串s中找到一个与子串t相等的子串。通常把主串s称为目标串,把子串t称为模式串,因此定位也称作模式匹配。模式匹配成功是指在目标串s中找到一个模式串t。
传统的字符串模式匹配算法(也就是BF算法)就是对于主串和模式串双双自左向右,一个一个字符比较,如果不匹配,主串和模式串的位置指针都要回溯。这样的算法时间复杂度为O(n*m),其中n和m分别为串s和串t的长度。
KMP 算法是由Knuth,Morris和Pratt等人共同提出的,所以成为Knuth-Morris-Pratt算法,简称KMP算法。KMP算法是字符串模式匹配中的经典算法。和BF算法相比,KMP算法的不同点是匹配过程中,主串的位置指针不会回溯,这样的结果使得算法时间复杂度只为O(n+m)。下面说说KMP算法的原理。
假设我们有个模式串为“abdabcde”存于数组t,我们要求的就是模式串的next值,见下表所示:
i | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
t[i] | a | b | d | a | b | c | d | e |
next[i] | -1 | 0 | 0 | 0 | 1 | 2 | 0 | 0 |
求模式t的next[i](称为失效函数)的公式如下:
next[i]=
( 上面的公式中非t字母和数字组成的为数组下标)
应该如何理解next数组呢?在匹配过程中,如果出现不匹配的情况(当前模式串不匹配字符假定为t[i]),它所对应的next[i]的数值为接下来要匹配的模式串的字符的索引;也就是说,出现不匹配的情况时,模式串的索引指针要回溯到中next[i]所对应的位置,而主串的索引指针保持不变。
特别的,next数组中的next[0]和next[1]的取值是固定的,为了标识出首字母,需要假定next[0]为-1(取为-1是考虑到C语言中的数组索引以0开始)。在实现的时候,要实现公式中情况的处理需要些技巧,下面给出具体的实现:
- #include <stdio.h>
- #include <stdlib.h>
- typedef struct QString{
- char * cs;
- int len;
- }String;
- void GetNext(String s, int next [])
- {
- int len = s.len;
- int i = 0 ;
- int k = - 1 ;
- next[0] = - 1 ;
- while (i < len - 1 ){
- if (k ==- 1 || s.cs[i] == s.cs[k]){
- i ++ ;
- k ++ ;
- next[i] = k;
- }else{
- k = next[k];
- }
- }
- }
- int KMPIndex(String s, String m)
- {
- int next[m.len], i = 0, j = 0 ;
- int k;
- GetNext(m, next);
- while (i < s.len && j < m.len){
- if (j == - 1 || s.cs[i] == m.cs[j]){
- i ++ ;
- j ++ ;
- }else{
- j = next[j];
- }
- }
- if(j >= m.len) return i - m.len;
- else return -1 ;
- }
KMP 算法也有需要改进的地方。对于模式串“aaaadd”在匹配时(假定被匹配串为“aaadddd”),可以看到,在匹配到索引3时,主串字符为“d”,模式串字符为“a”,如果按照上面的做法,这时模式串只会回溯一个索引,由于仍不匹配,模式串还会回溯一个索引,直到索引位置到了首字符,主串的索引指针才会前进一位,这样就会浪费一些不必要的比较时间。出现这种情况的原因是模式串中位置i的字符与next[i]对应的字符相同,需要修正next[i]为next[i]对应的字符的索引。下面列出“aaaadd”修正的nextval数组的内容:
i | 0 | 1 | 2 | 3 | 4 | 5 |
t[i] | a | a | a | a | d | d |
next[i] | -1 | 0 | 1 | 2 | 3 | 0 |
nextval[i] | -1 | -1 | -1 | -1 | 0 | 0 |
修正函数如下:
- void GetNextval(String s, int nextval[])
- {
- int len = s.len, i = 0, k = -1 ;
- nextval[0] = -1 ;
- while (i < len - 1){
- if (k == - 1 || s.cs[i] == s.cs[k]){
- i ++ ;
- k ++ ;
- if (s.cs[i] != s.cs[k]){
- nextval[i] = k;
- }else
- nextval[i] = nextval[k];
- }else{
- k = nextval[k];
- }
- }
- }