KMP算法

转自队友wwg博客：KMP算法

部分参考于大佬的博客：https://blog.csdn.net/starstar1992/article/details/54913261/

从头到尾彻底理解KMP：https://blog.csdn.net/v_july_v/article/details/7041827

一：单模字符串匹配问题与BF算法O(n*m)：

（一）单模字符串匹配问题

    所谓单模就是模式串只有一个，多模字符串匹配问题属于ac自动机部分，这里不做分析 

（二）BF算法O(n*m)

    两个指针，一个指针遍历文本串，另一个遍历模式串，每次遍历模板串后，文本串指针向前移动一个单位，时间复杂度为O(n*m)

#include<iostream>
#include<string>
 
using namespace std;
 
int BF(string ts, string ps){
    int result = -1;
    int ts_len = ts.size(),ps_len = ps.size();
    int i,j;
    for(i = 0, j = 0; i< ts_len - ps_len && j < ps_len;)
        if(ts[i] == ps[j])  ++i,++j;
        else    i = i - j + 1,j = 0;
    if(j == ps_len) result = i-j;
    return result;
}
 
int main(){
    string s = "ABCDABABGFABAC";
    string p = "ABAB";
    cout<<BF(s,p)<<endl;
    return 0;
}

二：KMP算法所解决的问题：

  kmp算法是解决单模字符串匹配问题的高效算法，利用next数组(失配函数)存储最长公共前缀后缀长度，优化BF算法，时间复杂度为      O(n+m)

三：算法描述与详解：

（一）前缀，真前缀，后缀，真后缀，最长公共前缀后缀长度

    （1）前缀：字符串从0 ~ i ( i <= len )的所有子串，例如：”ABCDABD”的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB,ABCDABD]

    （2）真前缀：前缀除去本身，例如：”ABCDABD”的真前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB]

    （3）后缀：字符串i ~ n( i >= 0 )的所有子串，例如：”ABCDABD”的后缀为[ABCDABD,BCDABD, CDABD, DABD, ABD, BD, D]

    （4）真后缀：后缀除去本身，例如：”ABCDABD”的后缀为[BCDABD, CDABD, DABD, ABD, BD, D]

    （5）最长公共前缀后缀长度(默认为真前缀后缀)：前缀与后缀相同的子串的最大长度：

         例如：”ABCDAB”的前缀为[A, AB, ABC, ABCD, ABCDA]，后缀为 [BCDAB, CDAB, DAB, AB, B]，共有元素为”AB”，最大公共                      前缀后缀长度为2

（二）kmp算法描述：

       在BF算法基础上，首先回顾BF算法，BF算法中每次一轮匹配结束，文本串的指针回溯到下一位，而实际情况下，会导致很多重复的 check，其实只需要回溯至最长公共前缀后缀处即可，如图所示，看图会更加清晰：

        next数组返回当前的最长公共前后缀长度，假设为len。因为数组是由0开始的，所以next数组让第len位与主串匹配就是拿最长前缀之后  的第1位与失配位重新匹配

（三）算法可行性的描述：

四：算法实现：

（一）next数组的求解---kmp核心所在

void ca_next(string str, int len){
    int k = -1;next[0] = -1;//-1表示不存在最大公共前缀后缀,方便后面的访问
    for (int i = 1; i < len; i++){
        while (k > -1 && str[k + 1] != str[i])  k = next[k];
        if (str[k + 1] == str[i])   k++;
        next[i] = k;
    }
}

（二）KMP算法：

#include<bits/stdc++.h>
 
using namespace std;
 
const int maxn = 206;
 
int next[maxn];
 
void ca_next(string str, int len){
    int k = -1;next[0] = -1;//-1表示不存在最大公共前缀后缀,方便后面的访问
    for (int i = 1; i < len; i++){
        while (k > -1 && str[k + 1] != str[i])  k = next[k];
        if (str[k + 1] == str[i])   k++;
        next[i] = k;
    }
}
 
int KMP(string ts, string ps){
    int ts_len = ts.size(),ps_len = ps.size();
    ca_next(ps, ps_len);
    int k = -1;
    for (int i = 0; i < ts_len; i++){
        while (k >-1 && ps[k + 1] != ts[i])  k = next[k];
        if (ps[k + 1] == ts[i])   k++;
        if (k == ps_len - 1)  return i - ps_len + 1;
    }
    return -1;
}
 
int main(){
    string s = "ABCDABABGFABAC";
    string p = "ABAB";
    cout<<KMP(s,p)<<endl;
    return 0;
}

五：难点解析：k = next [ k ]

1.相同的最长前缀和最长后缀的长度 就是k。

2.假设循环进行到 第i次，即已经计算了next[i]，我们是怎么计算next[i+1]呢？

比如我们已经知道ababab，i=4时，next[4]=2（k=2，表示该字符串的前5个字母组成的子串ababa存在相同的最长前缀和最长后缀的长度是3，所以k=2,next[4]=2.那么对于字符串ababab，我们计算next[5]的时候，此时i=5, k=2（上一步循环结束后的结果）。那么我们需要比较的是str[k+1]和str[i]是否相等，其实就是str[1]和str[5]是否相等
(1)如果相等，那么跳出while()，进入if()，k++，接着next[i]=k。即对于ababab，我们会得出next[5]=3
(2)如果不等，我们可以用”ababac“描述这种情况。 不等，进入while()里面，进行k=next[k]，这句话是说，在str[k + 1] != str[i]的情况下，我们往前找一个k，使str[k + 1]==str[i]，程序的意思是说，一旦str[k + 1] != str[i]，即在后缀里面找不到时，我是可以直接跳过中间一段，跑到前缀里面找，next[k]就是相同的最长前缀和最长后缀的长度。所以，k=next[k]就变成，k=next[2]，即k=0。此时再比较str[0+1]和str[5]是否相等，不等，则k=next[0]=-1。跳出循环。

3. k--不可行:

k = next[k] 这一句其实包含了条件，str[k] = str[i - 1]且长度为k的前缀应该和str[i - 1]结尾的后缀相同，k--则有可能提前跳出循环，导致长度为k的前缀应该和str[i - 1]结尾的后缀相同不满足。比如串“acceaccc”，但q为最后一个c时，next[7]应该等于-1。但如果用k--来做的话，循环到i等于7时，next[6] = 2，k = 2，满足while循环条件，进入循环，当k=1时，跳出循环，str[k + 1] = str[7]，得到next[7] = 2，正确的应该next[7] = -1。