c++ kmp算法字符匹配_算法之KMP字符串匹配

字符匹配算法

• BF算法

• KMP算法

---

先在开头约定

文中原始待匹配字符串为text，如“ababcabc”

匹配串为pattern，如“ababc”

最长前后缀数组为prefix[ ]

BF算法概述

BF算法属于暴力匹配算法，时间复杂度在O(mn)，较为耗时间。

其原理在于从头遍历text串，当text中某字符与pattern中第一个相等时，继续将指向text的下标值(i)向后移，同时将指向pattern的下标值(j)向后移

当出现text和pattern对应字符不相等时，将i回溯至上一次开始匹配的位置的下一位，将j回溯到0的位置，重复执行此操作

当pattern被j遍历结束的时候，则表明匹配成功；当text被遍历结束的时候，则表明匹配失败，在text中未找到pattern

BF算法较为简单，这里不做详细介绍。 

---

KMP算法介绍

前置知识：最长公共前后缀(prefix table)

假设pattern=“ababca”，则如下图： 

其中原始串为“ababca”，则产生六个子串。以“abab”为例，产生的不包括本身的前缀为“a”和“ab”和“aba”三个，产生的不包括本身的后缀为“b”和“ab”和“bab”三个，所以最长公共前后缀长度为2。

产生一个prefix数组，prefix[ ]={0，0，1，2，0，1}，在KMP算法中，为便于算法构造，将最后一位删除，在第一位补-1，则形成prefix[ ]={-1，0，0，1，2，0}。prefix数组的作用在下文将详细给出。

---

算法正式开始

设text=“abaacababcac”，pattern=“ababc”。

由pattern产生的最长公共前后缀数组为prefix[ ]={-1，0，0，1，2}，称为前缀表。

pattern字符串由0开始从头到尾下标为0~4，下标称作index。

遍历text的下标为i，遍历pattern的下标为j。

KMP算法比之BF算法的高明之处在于不必将i回溯，从而只需遍历一遍text，将整个算法的时间复杂度降到O(n+m)。

KMP算法的做法是将text和pattern从头进行匹配。

当匹配成功时，i和j分别向后移，直至i和j所对应的字符不一致。

这时将j往前回溯到某一特定位置，动态的想法就是将pattern串往后滑动一段距离，继续将i和j进行往后遍历，重复当前做法，直至匹配成功或者text串结束。

下面由图来讲解一下：

从头开始匹配，遇到第四位时失配：

这时，将P串向后滑动一段距离，而这段特定的距离就是前文prefix table的作用。

根据前缀表中，失配的P串的位置下标为3，则将P串滑动到prefix[3]的位置，也就是pattern[1]的位置。

如下图：

这时，T串i指向‘a’，P串j指向‘b’，又不匹配，则继续将P串右移，如图：

直至！

j==strlen(pattern) 时匹配成功！

这时，如果题目只要求检查是否可以匹配成功，则可以退出。

若要求求出在text中含有几个pattern串则需要继续。

将P串向右滑动特定距离。

这里的特定距离指的是P串末尾字符所对应的前缀表的位置

即P[2]的位置。

直至这时，整个算法结束！！！

看到这里，相信聪明的同学已经看出来prefix数组的作用了

那就是确定当失配时P串需要往后滑动的距离。

而具体怎样确定！！！

我们知道，prefix是最长公共前后缀，

例如，prefix[3]=1，即表示P[3]之前的串的最长公共前后缀长度为1，这里不包括P[3]本身。

当P串本身往后滑动后，需要寻找与前面匹配的最长距离，从而避免重复匹配损耗时间。

以第一个步骤为例：

当j指向b时，b之前的串最长公共前后缀的长度是1，即“aba”的最长公共前后缀长度为1。

所以P滑动到P[1]的位置，即可保证变化后的P串的j之前的1长度的串与i之前的1长度的串是完全一致的，即

算法介绍结束！！！

下一篇介绍具体代码实现。

才疏学浅，疏漏百出，如有错误，我也不听！

更多文章请移步brillanza.gitee.io