c++ kmp算法字符匹配_字符串匹配-KMP

KMP 算法

如何判断一个substring是否存在于另一个string中呢？

我们有KMP算法可以使用。

具体对于算法的介绍可以参考阮一峰的教程：http://www.ruanyifeng.com/blog/2013/05/Knuth%E2%80%93Morris%E2%80%93Pratt_algorithm.html

对于next数组的解释我添加一个：

漫画：什么是KMP算法？​mp.weixin.qq.com

next[x]：x表示当前正在比对第几个字符，【即代表了有几个字符匹配通过了，数组从0开始】

next[x]的值表示，如果是x这个位置不匹配，那么应该从哪个开始匹配。

但是其中对于next数组的求解，由于没有出给代码解释，所以我给出以下：

// 以下摘自其博客。

　　－　"A"的前缀和后缀都为空集，共有元素的长度为0；

　　－　"AB"的前缀为[A]，后缀为[B]，共有元素的长度为0；

　　－　"ABC"的前缀为[A, AB]，后缀为[BC, C]，共有元素的长度0；

　　－　"ABCD"的前缀为[A, AB, ABC]，后缀为[BCD, CD, D]，共有元素的长度为0；

　　－　"ABCDA"的前缀为[A, AB, ABC, ABCD]，后缀为[BCDA, CDA, DA, A]，共有元素为"A"，长度为1；

　　－　"ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA]，后缀为[BCDAB, CDAB, DAB, AB, B]，共有元素为"AB"，长度为2；

　　－　"ABCDABD"的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB]，后缀为[BCDABD, CDABD, DABD, ABD, BD, D]，共有元素的长度为0。

---

除了上面的解法，那个教程也有dp的解法

dp[0]=dp[1]=0

if substr[i]==substr[j]: dp[j]=dp[i-1]+1

else: while j>0 j-=1 的不停的判断。此处j表示的是当前状态下dp[i]内的值，即有几个部分匹配值。

def next_array_cal(s):
    next_array=[0]
    for i in range(2, len(s)+1): # 判断在处理哪一个子串
        subs = s[:i]
        tmpleft = []
        tmpright = []
        for j in range(1,i): # 针对每一个子串进行处理，找出每一个前后缀，求交集
            tmpleft.append(subs[:j]) # 找出每一个前缀
            tmpright.append(subs[j:]) # 找出每一后缀
#         print(subs,tmpleft,tmpright )
        # 最大公共前后缀所对应的那个值 可以用来标记subs中哪些对应的比较结果可以被重复利用一次
        tmp_value = [max(len(x), 0) for x in tmpleft if (x in tmpright and x != '')]
#         print(tmp_value)
        next_array.append(tmp_value[0] if tmp_value else 0)
    return next_array

# x = next_array_cal(subs)
# print(x)
def kmp(s, subs):
    next_array = next_array_cal(subs)
    subs_index = 0
    s_index = 0
    length = len(subs)
    while subs_index<length: # 当subs_index == length 时候就匹配到了
        if len(subs[subs_index:])>len(s[s_index:]):
            print(length, s_index, len(s[s_index:]))
            return -1
        if subs[subs_index] == s[s_index]:
            subs_index+=1
            s_index+=1
            continue
        else:
#             print(subs_index,s_index, next_array)
# 由于当前位置不匹配，所以我们要拿到匹配到的最后一位，即subs_index-1对应的那个值
            if subs_index == 0: # 如果 subs 的 第一位都没有匹配上，那么就从s_idnex的下一位开始
                s_index+=1
            else:
                subs_index = next_array[subs_index-1] # 如果此时 subs的index不等于0，那么就从next数组中获取到对应的应该从subs的第几位开始匹配
    return s_index, s[s_index-length:s_index]
    
s = 'BBC ABCDAB ABCDABCDABDE'
subs = 'ABCDABD'

kmp(s, subs)

我们发现其实没有必要提前把数组都计算出来，可以需要的时候在计算

def next_array_cal(s):
    next_array=[0]
    for i in range(2, len(s)+1): # 判断在处理哪一个子串
        subs = s[:i]
        tmpleft = []
        tmpright = []
        for j in range(1,i): # 针对每一个子串进行处理，找出每一个前后缀，求交集
            tmpleft.append(subs[:j]) # 找出每一个前缀
            tmpright.append(subs[j:]) # 找出每一后缀
#         print(subs,tmpleft,tmpright )
        tmp_value = [max(len(x), 0) for x in tmpleft if (x in tmpright and x != '')]
#         print(tmp_value)
        next_array.append(tmp_value[0] if tmp_value else 0)
    return next_array

def get_next(s):
    tmpleft = []
    tmpright = []
    for j in range(len(s)): # 针对每一个子串进行处理，找出每一个前后缀，求交集
        tmpleft.append(s[:j]) # 找出每一个前缀
        tmpright.append(s[j+1:]) # 找出每一后缀
#     print(s,tmpleft,tmpright )
    tmp_value = [max(len(x), 0) for x in tmpleft if (x in tmpright and x != '')]
#     print(tmp_value)
    return (tmp_value[0] if tmp_value else 0)
        
def kmp(s, subs):
    next_array = next_array_cal(subs)
    subs_index = 0
    s_index = 0
    length = len(subs)
    while subs_index<length: # 当subs_index == length 时候就匹配到了
        if len(subs[subs_index:])>len(s[s_index:]):
            print(length, s_index, len(s[s_index:]))
            return -1
        if subs[subs_index] == s[s_index]:
            subs_index+=1
            s_index+=1
        else:
#             print(subs_index,s_index, next_array)
            if subs_index == 0:
                s_index+=1
            else:
#                 subs_index = next_array[subs_index-1]
                subs_index = get_next(s[s_index-subs_index:s_index])
    return s_index, s[s_index-length:s_index]
    
s = 'BBC ABCDAB ABCDABCDABDE'
subs = 'ABCDABD'

kmp(s, subs)