c++ kmp算法字符匹配_字符串匹配算法总结——BF、KMP、BM

说明

以下算法介绍中，被匹配字符串称为主串，匹配模式字符串称为匹配串，索引从0开始。

前缀数组：字符串S = AB（B !== ⏀，即B为任一非空字符串) ，S的前缀指A。前缀数组指所有包含第一个字符但不包含最后一个字符的子串集合。

后缀数组：字符串S = AB（A !== ⏀，即A为任一非空字符串) ，S的后缀指B。后缀数组指所有包含最后一个字符但不包含第一个字符的子串集合。

一、BF

Brute Force 算法，简称BF。基本思想就是将主串第pos个字符与匹配串的第一个字符进行比较，若相等，继续将主串的下一个字符与匹配串的下一个字符进行比较，若不相等，从主串的pos + 1 位置开始与匹配串的第一个字符进行比较，重复前面的比较模式，直到得到结果。

假设主串长度为N，匹配串长度为M，该算法最坏的情况下需要进行 M*(N-M) 次比较，算法时间复杂度为O(M*N)。

/**

二、KMP

Knuth-Morris-Pratt 算法，简称KMP，由 Donald Knuth，James H. Morris，Vaughan Pratt 1977年联合发表。

BF 算法效率低在于每轮主串从pos位置开始比较过程中，若字符不相等，主串会回退到 pos+1 位置，然后与匹配串第一个位置字符开始比较。KMP 算法首先算出一个next 数组，匹配串每轮匹配在 j 位置失配时，匹配串向右滑动的距离为 j - next[j]。next 数组的计算规则如下。其中 j 为匹配串索引：

1、j = 0 时，next[j] = -1；

2、j > 0，匹配串0至 j-1 位置的子串前缀和后缀数组中最长相同元素的长度为maxL，则next[j] = maxL。特殊的，当 j=1时，前缀和后缀都为空，所以maxL=0，next[1] = 0；

/**
 * @name kmp
 * @param <String> s 主串
 * @param <String> m 匹配串
 * @return <Number> pos 返回匹配串在主串第一次出现的位置，若不存在，返回-1
 */
function kmp(s = '', m = '') {
	const lenS = s.length
  const lenM = m.length
  let j = 0
  if(!lenS || !lenM || lenS < lenM) {
    return -1
  }
  const next = getNext(m)
  for(let pos = 0; pos < lenS - lenM + 1; pos++) {
    while(j < lenM && s[pos + j] === m[j]) {
      j++
    }
    // 匹配完成
    if(j === lenM) {
      return pos
    }
    // 匹配不完全，匹配串从next[j] 位置开始匹配
    j = next[j]
  }
  return -1
}

/**
 * @name next
 * @param <String> m 需要求出next数组的匹配串
 * @return <Array> 返回next 数组
 */
function getNext(m = '') {
  const len = m.length
	const next = new Array(len).fill(0)
  next[0] = -1
  // 保存前缀和后缀数组最长相同子串
  let k = 0
  for(let j = 1; j < len - 1; j++) {
    while((k > 0) && (m[j - 1] !== m[k])) {
          k = next[j-1]
    }
    if((j > 1) && (m[j - 1] === m[k])) {
      k++
    }
    next[j] = k
  }
  return next
}

二、BM

Boyer-Moore 算法，简称BM，由Robert S. Boyer 和 J Strother Moore 1977年发明。

当在 i 位置字符失配，进行下一轮匹配时，BF算法主串回退到 i+1 位置，匹配串回退到0位置。而KMP 算法主串不回退，匹配串自0位置向右滑动一定距离再进行比较。显然，匹配串向右滑动的距离越长，算法越高效。BM 算法从末尾开始匹配，根据以下两条规则，计算得出的两个数字取最大的一个为最终滑动距离：

1、坏字符规则

如上图，匹配过程中，m 位置 j 的 c字符不等于a，所以c是坏字符。这时有两种情况：

i、如果匹配串m的坏字符c左侧位置 i（i < j）存在字符等于坏字符对应主串中的a字符，则匹配m向右滑动距离为 j-i，即将位置 i 的字符与当前坏字符对应主串的字符对齐。

ii、如果匹配串m的坏字符左侧不存在字符等于坏字符对应的主串中的字符，则m向右滑动距离为 j+1。

2、好后缀规则

如上图，匹配串从末尾开始匹配，匹配到m中的c不等于s中的a，则c是坏字符，而"ba"的所有子串都是好后缀，设为"ab"为 t，好后缀最大的索引为 i，即a 索引为i。这时也有两种情况：

i、如果m的t左侧存在子串 t' 使得 t'===t，则滑动m使得 t‘ 与 s中的 t 对齐。如果 t' ，则查找是否在 t 的某一个后缀 t2 左侧存在子串 t3 等于t2 ，则滑动m 使得t3 与s 中对应的t2 对齐。

iii、如果匹配串m 的好后缀左侧都不存在符合第一种情况的子串，则整个匹配串向右滑动距离为 i+1。

后记

这篇文章感觉要烂尾了呀，时间线拖太长了。

很珍惜能来到tx 的机会，也很认真地想把工作做好，反而如履薄冰，战战兢兢。还是喜欢洒脱的自己，只管全力以赴，其他的，不问、不求、不急，花开花谢，都是风情。