一、简介
给定一个主串(以 S 代替)和模式串(以 P 代替),要求找出 P 在 S 中出现的位置,此即串的模式匹配问题。
真前缀和真后缀:
- “真前缀” 指除了自身以外,一个字符串的全部头部组合;
- “真后缀” 指除了自身以外,一个字符串的全部尾部组合。
KMP算法通过挖掘模式串的前后缀特征,实现在O(m+n)时间复杂度的匹配。
二、朴素字符串匹配算法(暴力算法)
暴力匹配的时间复杂度为O(mn) ,其中m为 S 的长度, n为 P 的长度。
int NaiveStringSearch(string S, string P)
{
int i = 0; // S 的下标
int j = 0; // P 的下标
int s_len = S.size();
int p_len = P.size();
while (i < s_len && j < p_len)
{
if (S[i] == P[j]) // 若相等,都前进一步
{
i++;
j++;
}
else //如果不相等
{
i = i - j + 1; //回退主串指针
j = 0; //模式串从0开始从头匹配
}
}
if (j == p_len) // 匹配成功
return i - j;
return -1;
}
三、KMP字符串匹配算法
KMP算法的核心是求解模式串指针跳转数组(next数组),比如对于模式串“ABCDEABGABC”,
if (S[i] != P[j])时, 其实没有必要将模式串指针回退到0,当模式串真前后缀相等时,可以直接移动模式串指针到一定的位置,而这个位置就是存储在跳转数组里。
跳转数组求法:
/* P 为模式串,下标从 0 开始 */
void GetNext(string P, int next[])
{
int p_len = P.size(); //模式串P的长度
int i = 0; // 模式串P的下标
int j = -1; //最长前缀的下标(重点,发生匹配失败后,j会比i小,j指向当前匹配的真前缀的末尾处)
next[0] = -1;
while (i < p_len)
{
//i,j是用于求前后缀是否相等的下标,如果i和j处字符相等,说明next[i]=next[i-1]+1
if (j == -1 || P[i] == P[j])
{
i++; // 模式串P的下标增加
j++; //跳转数组值增加1(递推公式,如果字符匹配,跳转数组值肯定是前一个值加1)
next[i] = j; //赋值
}
else //如果字符不相等,需要回退j指针,而回退的位置正好已经存在跳转数组里了,直接取出即可。
j = next[j];
}
}
KMP算法
/* 在 S 中找到 P 第一次出现的位置 */
int KMP(string S, string P, int next[])
{
GetNext(P, next); //求解模式串的跳转数组
int i = 0; // S 的下标
int j = 0; // P 的下标
int s_len = S.size();
int p_len = P.size();
while (i < s_len && j < p_len) // 遍历主串和模式串
{
if (j == -1 || S[i] == P[j]) // P 的第一个字符不匹配或 S[i] == P[j]
{ //同样的,如果字符匹配,就不断移动指针
i++;
j++;
}
else
j = next[j]; // 当前字符匹配失败,进行跳转
}
if (j == p_len) // 匹配成功
return i - j;
return -1;
}
KMP优化
以 上表格为例,如果在 i = 5 时匹配失败,按照 KMP算法的代码,此时应该把 i = 1 处的字符拿过来继续比较,但是这两个位置的字符是一样的,都是 B,既然一样,拿过来比较不就是无用功了么?
void GetNextval(string P, int nextval[])
{
int p_len = P.size();
int i = 0; // P 的下标
int j = -1;
nextval[0] = -1;
while (i < p_len)
{
if (j == -1 || P[i] == P[j])
{
i++;
j++;
if (P[i] != P[j]) //如果不相等,正常处理
nextval[i] = j;
else
nextval[i] = nextval[j]; // 既然相同就继续往前找真前缀(如果用nextval[i] = j;会发现还是不匹配,再回退到nextval[j],所以上式直接进行赋值)
}
else
j = nextval[j];
}
}