KMP算法 2021-02-02

KMP算法

• 画了一晚上和一上午时间研究了一下KMP算法

• 该算法主要功能是匹配字符串，由于传统匹配方法主串存在指针回溯问题，针对此进行改进。

• 先研究子串性质

  • 首先，字串与主串匹配时第一个不同的字符我们叫当前位置，《大话数据结构》举了两个例子，很有启发性。如下图
    

  • 对于本例当前位置为6，上图是传统匹配步骤，但是由于a不同于bcde，但bcde又分别与主串匹配，所以a没有必要再去匹配主串的这些位置，直接跳到第6步就ok，拿主串的j=1来跟当前位置对应的主串位置匹配即可。这是一种情况，再看下例：

  • 对于本例，当前位置是j=6，上图是传统匹配步骤，由于当前位置左侧ab重复出现一次，由于子串中已知ab=ab，ab又与主串匹配，因此不需要再像图4、5那样匹配一遍，加上上例讲的情况，可以直接跳到第6步匹配，ab直接到重复的下一个位置，匹配j=3处的字符即可。（图上好像有点错误，第一幅图错了，应该跟后几幅图一样）

• 总结起来，就是看当前位置-1长度字串前后缀的相似度（重合度），如何判断此重合度？使用next[]数组。

• next[j]数组是各个当前位置（1-j）对应的j（例如j=3）的变化，可以说知道了next[]数组，就可以直接跳过中间步骤，使子串的前缀重合上主串的后缀，比较next[j]位置的字串。

• 理解了这些之后，下面附上KMP算法程序

- ```C
  void get_next(Srtring T,int *next){
      int i=1;//后缀最后一个字符指针
      int j=0;//回退到j=0，说明没有重复字串，特殊情况取1；前缀的最后一个字符指针
      while(i<T[0]){
          if(j==0||T[i]==T[j]){//回退到初始位置，或者字符匹配时，进入。
              i++;//如果当前字符匹配，说明i+1的当前位置，对应有j个重复字串，
              j++;
              next[i]=j;//若i为当前位置，则跳转到j;
          }else{//若不匹配，则回退
              //可以这样理解，对当前字符串的前缀后缀进行匹配，之前一直匹配，直到这个位置不匹配了，说明当前位置为j，根据next[]数组的用法，j应该跳转为next[j]位置再次跟i处字符匹配。即
              j=next[j];   
          }
      }
  }

其实next数组的计算之所以难，就难在那句话j=next[j]，但这句话就是在求next数组时用到了next数组的。理解好next数组的原理和思想，这句话自然就看懂了。
程序运行如下图

• 其中7、8步发生了回退。

• 边界条件：j=0.若发生j=next[1]=0;说明了此时前缀的第一个字符都与后缀的最后一个字符不匹配，说明没有重复字串，其他情况，next[j]取1.更新i，更新后缀最后一个字符继续匹配。

• 如果T[i]=T[j]，如果前缀最后一个字符与后缀最后一个字符匹配，好了，next[i+1]=j+1;即可。

• 求取完next[]数组即可写匹配程序

• int Index_Kmp (String s,String T,int pos){
      int i=pos;//从主串pos位置开始
      int j=1;//字串指针
      int next[255];//next数组
      get_next(T,next);//获取next数组
      while(i<=S[0]&&j<=T[0]){//若i小于S的长度，j小于T的长度
          if(j==0||S[i]==T[j]){//j如果回退为0，说明第一个字符都跟当前的i无法匹配，跳过。
              i++;//i++
              j++;//j++，指向子串第一个字符
          }else{
              j=next[j];//从当前位置回退
          }
      }
      if(j>T[0])//当j大于T[0]时，说明完全匹配
          return i-T[0];//返回主串中与子串匹配的串的首字符位置
      else
          return 0;//不匹配。
      
  }
  
  
  

• 其实整个KMP步骤，就是找当前位置（不匹配位置），找到之后根据next数组回退，拿回退的字符再跟当前字符比较，成功则继续往下匹配，重新找下一个当前位置，不成功继续回退，直到回退到边界j=0，跳过此字符。

• 看算法窍门：首先要把程序翻译成自然语言，通过例子，弄清楚程序的变量表示数目，程序的步骤是什么。我用的例子是主串bacbababadababacambabacaddababacasdsd,子串ababaca，你就对着程序匹配上述字符串，自然就明白程序原理了。

• 翻译成自然语言之后，就容易理解了，其实没那么复杂，很巧妙。