KMP算法的用途:当出现字符串不匹配时,可以记录一部分之前已经匹配的文本内容,利用这些信息避免从头再去做匹配。
所以如何记录已经匹配的文本内容,是KMP的重点,也是next数组需要完成的任务。
1. 前缀表
(1)之前在学数据结构的时候只是会算next数组,但是对于next数组一直不理解。到底next数组是什么?
next数组其实就是一个前缀表。
(2)前缀表又是用来干啥的呢?
前缀表是用来回退的,它记录了模式串与主串不匹配的时候,模式串应该从哪里开始重新匹配。
(3)前缀表又是如何记录的?
前面(2)提到是用于记录回退位置的,那前缀表记录的应该是下标i之前(包括i)的字符串中,有多大长度相同的前缀后缀。即为最长公共前后缀。
(4) 前缀表的使用
例如模式串为aabaaf,主串为aabaabaafa ,二者在下标为5处发生不匹配,如下图所示:
然后就找到了下标2,指向b,继续匹配。
重点:i=5之前这部分子串的最长公共前后缀为aa,匹配失败是发生在i=5前的字符串的后缀后面。因为前缀表中记录了最长相等的前缀和后缀,下次匹配只需要从前缀后面开始即可。
所以前缀表是用于告诉我们当前位置匹配失败时,跳到何处进行匹配。
2. 前缀表的计算
字符串的前缀是指不包含最后一个字符的所有以第一个字符开头的连续子串;后缀是指不包含第一个字符的所有以最后一个字符结尾的连续子串。
以模式串aabaaf为例依次计算
a 为0,aa为1,aab为0,aaba为1,aabaa为2,aabaaf为0
求得的最长公共前后缀的长度就是对应前缀表的元素,如图:
一句话:前缀表的元素就是下标i之前(包括i)最长公共前后缀的长度。
当字符串不匹配时,无需全部进行回退,下次比较从前一个字符的前缀表中元素所指位置开始即可。如f处不匹配,前一个字符为a,其前缀表值为2,下次比较从b处开始即可。
找到的不匹配的位置, 此时我们要看它的前一个字符的前缀表的数值是多少。为什么要前一个字符的前缀表的数值呢,因为要找前面字符串的最长相同的前缀和后缀,所以要看前一位的前缀表的数值。
3. 前缀表与next数组
课本上的next数组就是前缀表,唯一的不同在于next是前缀表所有元素-1后的结果,初始值为-1。问题是为啥要这么干?
其实这并不涉及到KMP的原理,而是具体实现。
next数组的计算主要有三步:
初始化。
处理前后缀不相等的情况。
处理前后缀相等的情况。
(1)初始化
定义两个指针i和j,j指向前缀起始位置,i指向后缀起始位置。然后还要对next数组进行初始化赋值,如下:
int j = -1;
next[0] = j;
for (int i = 1; i < s.size(); i++) {//i要从1开始
在前面提到过初始值为-1,此处采用减1这种实现方法,另一种可以自行尝试。
i从1开始,依次进行s[i] 与 s[j+1]的比较。
(2)前后缀不相等
当前后缀不相等时,就要向前回退。
怎么回退呢?
next[j]就是记录着j(包括j)之前的子串的相同前后缀的长度。
那么 s[i] 与 s[j+1] 不相同,就要找 j+1前一个元素在next数组里的值(就是next[j])
while (j >= 0 && s[i] != s[j + 1]) { // 前后缀不相同了
j = next[j]; // 向前回退
}
(3)前后缀相等
如果 s[i] 与 s[j + 1] 相同,那么就同时向后移动i 和j 说明找到了相同的前后缀,同时还要将j(前缀的长度)赋给next[i], 因为next[i]要记录相同前后缀的长度。
if (s[i] == s[j + 1]) { // 找到相同的前后缀
j++;
}
next[i] = j;
4. 使用next数组来匹配
主串s和模式串t进行匹配。s[i],i从0开始,t[j+1],j从-1开始。
(1)如果二者不相同
匹配失败,令j = next[j]即可,表示下次匹配从next[j]之后开始(j+1)。(这个地方再次解释一遍,next数组中存放的是最大公共前后缀,匹配失败发生在j的后缀之后,下次匹配就要从其前缀(即为next[j])之后开始。
while(j >= 0 && s[i] != t[j + 1]) {
j = next[j];
}
(2) 二者相同
i和j同时后移即可。
(3) 判断找到模式串
如果j指向了模式串t的末尾,那么就说明模式串t完全匹配文本串s里的某个子串了。
5. 完整代码
class Solution {
public:
//计算next数组
void getNext(int* next, const string& s) {
int j = -1;
next[0] = j;
for(int i = 1; i < s.size(); i++) { // 注意i从1开始
while (j >= 0 && s[i] != s[j + 1]) { // 前后缀不相同了
j = next[j]; // 向前回退
}
if (s[i] == s[j + 1]) { // 找到相同的前后缀
j++;
}
next[i] = j; // 将j(前缀的长度)赋给next[i]
}
}
//找到在文本串中的起始位置并返回
int strStr(string haystack, string needle) {
if (needle.size() == 0) {
return 0;
}
int next[needle.size()];
getNext(next, needle);
int j = -1; // // 因为next数组里记录的起始位置为-1
for (int i = 0; i < haystack.size(); i++) { // 注意i就从0开始
while(j >= 0 && haystack[i] != needle[j + 1]) { // 不匹配
j = next[j]; // j 寻找之前匹配的位置
}
if (haystack[i] == needle[j + 1]) { // 匹配,j和i同时向后移动
j++; // i的增加在for循环里
}
if (j == (needle.size() - 1) ) { // 文本串s里出现了模式串t
return (i - needle.size() + 1);//返回在文本串中的开始位置
}
}
return -1;
}
};