c语言 kmp算法 next,KMP算法中get_next函数分析

看了网上几个号称最简单的KMP算法分析，也都云里雾里，对于KMP的基本思想我还是略微了解的，但是get_next函数中(无论何种写法，总会有这种回溯的思想)j=next[j]，我总是怀有疑问，为什么每次回溯的步长是next [j] ?

我们先看get_next函数的代码：

get_next函数:

void get_next(int T[],int next[]){

int i=0;

next[0]=-1;

int j=-1;

while (T[i]!='\0') {

if (j==-1||T[i]==T[j]) {

i++;j++; next[i]=j;

}else{

j=next[j];

}

}

}

首先要明白几个概念：

前缀和后缀：前缀就是从第0位开始，往后连续的子串，后缀就是从最后一位为结尾，往前连续的子串(前后缀不包含字符串本身)

例如:a b c a b  ; a是它的前缀 , a b也是，a b c也是，同理b是它的后缀，a b也是它的后缀，c a b也算(但是a b c a b既不是前缀也不是后缀)

最长的相同前缀和后缀：a b c a b 当前缀为a b，后缀为a b时，是它的最长相同前缀和后缀

最长相同前后缀的长度：上面例子中最长相同前后缀的长度就是2

再明白几个变量的意义：

i：i是一个位置指针，移动过程就是从左到右，依次增加，T [i]代表的就是T的第i位字符(从0开始)

next [i]：代表第0位到i-1位的最长相同前后缀的长度

j：j代表的意义比较多样，我们可以看到函数中j又用来当做位置指针(如：T[i]与T[j]进行比较)，又用来当做最长相同前后缀的长度(如：用来给next[i]进行赋值)，最奇怪的是还用next[j]给自身赋值(如：j=next[j]，这里其实是一个回溯的过程，j作为回溯的步长，下面会讲到)短短的几行代码，j简直了，无所不能，哪都有他，你咋不上天呢？我们接下来会着重分析一下j到底为什么这么牛X。

我们的规则是：

i：一直往后走

j：如果发现字符串第j位与第i位相同，那么j就+1，也就是往后走一位，然后新的j位与新的i位再进行比较，如果再相同就再往后走一位，依次进行，如果比较到两个字符不同，则j进行回溯，j回到某一个位置，再与i进行比较，总之我们要确保j所在的位置，能保证0~j-1位能和i-j+1~i位字符一一对应

举个栗子： T: a b c a b b c

i

0

1

2

3

4

5

6

T

a

b

c

a

b

b

c

next

-1

我们默认next[0]=-1，i=2时，我们要考察的是0~1位，也就是a b的最长相同前后缀的长度，显而易见next[2]=0;

i

0

1

2

3

4

5

6

T

a

b

c

a

b

b

c

next

-1

0

0

接下来观察i=4时，也就是考察0~3位，a b c a的最长相同前后缀，也就是字符a，长度为1，next[4]=1;

i

0

1

2

3

4

5

6

T

a

b

c

a

b

b

c

next

-1

0

0

0

1

接下来依次进行：

i

0

1

2

3

4

5

6

T

a

b

c

a

b

b

c

next

-1

0

0

0

1

2

0

我们再结合代码：分析上述过程

第一次循环 初始值：i=0 j=-1;         改变后的值：  i=1，j=0，next[1]=0

第二次循环 初始值：i=1  j=0;          改变后的值：  j=next[0]=-1

第三次循环 初始值：i=0 j=-1；       改变后的值：  i=2，j=0，next[2]=0

第四次循环 初始值：i=2 j=0；        改变后的值：  j=next[0]=-1

第五次循环 初始值：i=2  j=-1；      改变后的值：  i=3，j=0，next[3]=0

那么我们就发现了一个规律，似乎每当T[j] != T[i]时，next[i+1]总是等于0

如果真的是这样代码就可以写成：

void get_next(int T[],int next[]){

int i=0;

next[0]=-1;

int j=-1;

while (T[i]!='\0') {

if (j==-1||T[i]==T[j]) {//②这时j==-1

i++;j++; next[i]=j; //③i++,j+1=0,next[i]=0

}else{

j=-1;//①如果要是T[i]!=T[j]，那么我们就直接让j=-1

}

}

}

这是一定的吗？

再举一个栗子：

i

0

1

2

3

4

5

6

T

a

a

b

a

a

a

c

next

-1

0

1

0

1

2

?

我们按照之前的经验

i=4，j=0时，也就是考察0~3位，a a b a，最长相同前后缀是a，这时i++，j++

i=5，j=1时，考察0~4位，a a b a a，最长前后缀是a a ，i++，j++

i=6，j=2时，考察0~5位，a a b a a a，这时T[2] != T[6],也就是说'b'！='a',那么T[6]是不是应该等于0了呢？

但是我们可以看出，虽然T[2] != T[6] ，可T[0~1]==T[4~5],也就是说next[6]=2

当我们的前缀和后缀在一段时间内处于一一对应的状态，即T[0~1]和T[3~4],但T[2]和T[5]不相等，我们不能直接判断next[6]=0,因为这时可能以T[5]为结尾的后缀，能找到一个对应相等的前缀

我们思考一般情况

上面代表，当T[0 ~ j-1]==T[i-j ~ i-1]，但T[j] ！=T [i]时的情况

这时如果可以找到A段中的子串，Ak段(T[0~k-1])与包含第i位在内的T[i-k+1,i]相同

那么如何寻找最长的Ak段呢？

先说操作：

我们先寻找到A段中最长的相同前后缀a段(为什么这么做呢？接着往下看吧)

为了直观，将A段分成四份，分别为最长相同前缀后缀a段，a段后第一个位置字符e，和其余部分(略)

这时如果判断e==b，那么上面表格中黄色部分，就是最长的相同的前后缀。

如果e！= b，那么我们就将a段再分成四份，用相同的方法寻找最长相同前缀后缀，直到a段分无可分，也就是没有任何相同的前后缀，这时j=next[j]=0,a段中只剩下首字母一个元素，再与第i位进行判断，如果还是不相等，那么对不起，配对失败，继续当你的单身狗吧，这时j=next[0]=-1,再次循环时进入到第一个判断，next[i]=0

但是作为一个严谨的小朋友，你可能会问：我现在的确知道a段+e和a段+b是相同的前后缀，那你怎么确定它是最长的相同的前后缀呢？

为了满足这位小朋友的求知欲，接下来证明一下：

我们为了方便起见，把a段+e叫做Ak段(表示从0~k位)

反证法：如果0~k 不是最长的话，势必最长的相同前后缀会包含Ak段(显而易见嘛，我不是最长的前缀，那么最长的前缀一定包含我)，假设最长的相同前后缀为Am(0~m位)段

观察Am段的组成可以发现，Am段=a段+e+X段(X段的长度未知，并且X段的最后一位等于b，要不然不可能成为最长相同前后缀)，Am段除了最后一位字符b，其余部分(因为e的长度为1，Am段除去一个字符b之后的长度，也就是a段+X段的总长度)均属于A段，那么现在Am段在A段中的部分的长度已经大于a段了，这与a段是A段中最长的相同前后缀相矛盾。