算法训练Day09|字符串part02(KMP算法讲解、LeetCode28. 实现 strStr()、LeetCode459.重复的子字符串)

---

KMP算法讲解

为什么叫做KMP呢，因为是由这三位学者发明的：Knuth，Morris和Pratt，所以取了三位学者名字的首字母。所以叫做KMP

KMP的作用？

KMP主要应用在字符串匹配上。
KMP的主要思想是当出现字符串不匹配时，可以知道一部分之前已经匹配的文本内容，可以利用这些信息避免从头再去做匹配了。
所以如何记录已经匹配的文本内容，是KMP的重点，也是next数组肩负的重任。

什么是前缀表？

next数组就是一个前缀表（prefix table）。

为了清楚地了解前缀表的来历，我们来举一个例子：

要在文本串：aabaabaafa 中查找是否出现过一个模式串：aabaaf。

可以看出，文本串中第六个字符b 和 模式串的第六个字符f，不匹配了。如果暴力匹配，发现不匹配，此时就要从头匹配了。
但如果使用前缀表，就不会从头匹配，而是从上次已经匹配的内容开始匹配，找到了模式串中第三个字符b继续开始匹配。

🔔所以前缀表的作用：
前缀表是用来回退的，它记录了模式串与主串(文本串)不匹配的时候，模式串应该从哪里开始重新匹配。

那么什么是前缀表：记录下标i之前（包括i）的字符串中，有多大长度的相同前缀后缀。

最长相同前后缀

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。

字符串a的最长相等前后缀为0。 字符串aa的最长相等前后缀为1。 字符串aaa的最长相等前后缀为2。

前缀表为什么可以标识模式串应该跳到的位置？

匹配时失败后，f的前一位的next数组记录的是2，这个2表示的既是下标j将要跳到下标为2的字符，又表示在j之前（包括j）的字符串中，有多大长度的相同前缀后缀。
因为前缀1=后缀2，所以字符串3一定等于前缀1。所以文本串的下标是一直往前移动的，不需要回退做多余的判断，这是KMP的神奇之处。

因为找到了最长相等的前缀和后缀，匹配失败的位置是后缀子串的后面，那么我们找到与其相同的前缀的后面重新匹配就可以了。

如何计算前缀表（next数组）：

定义一个函数getNext来构建next数组，函数参数为指向next数组的指针，和一个字符串。

void getNext(int* next, const string& s)

• 第一步：初始化
  前缀表next的第一个元素一定为0，next [ 0 ] =0。
  j 的含义是前缀的末尾位置的index， i 的含义是后缀末尾位置index，j 不仅是前缀的末尾位置的index， j+1还代表着i（包括i之前）的最长相等前后缀的长度，是next[i] 数组要记录的数值。初始化 j = 0 。
  因为后缀不能包括首元素，所以初始化 i =1。
  所以从index=1位置开始，同时从index= 0到index= i 的位置，就是当前需要求 最大相等前后缀长度的字符串范围，i从1到s.size()-1的遍历，就是求next[1]到next[s.size()-1]中的对应的值；

int j = 0;
next[0] = 0;

for (int i = 1; i < s.size(); i++) {

• 第二步，前后缀相同的情况
  当s[i] == s[j] 的时候，说明找到了相同的前后缀，这时候，最长相等前后缀的长度就是j+1，更新 j+=1继续比较；

 if (s[i] == s[j]) {// 找到相同的前后缀
	 j++;
 }

• 第三步，前后缀不相同的情况
  当s[i] ≠s[j]的时候，此时，j前后缀不同了，j 需要根据next中已有的信息，回退到前一位next数组中记录的值，这是因为在文本串和模式串冲突的时候，也是回退到前一位next数组记录的位置。其实这时候后缀串就相当于文本串了，一直往后遍历，不回头，前缀串相当于模式串，根据具体情况回退到合适位置，这个过程应该是while的，不停回退，直到j=0，退到最前面。lll

 while (j > 0 && s[i] != s[j]) {// 前后缀不相同了
	 j = next[j - 1];// 向前回退
 }

• 第四步，更新next数组
  这时候, 不管是以上哪种情况，j的数值就是最长相等前后缀长度的数值，更新next[i] = j 即可。

 next[i] = j;

使用next数组来做匹配

在文本串s里 找是否出现过模式串t。

定义两个下标j 指向模式串起始位置，i指向文本串起始位置。
那么j初始值依然为0，为什么呢？ 依然因为next数组里记录的起始位置为0。
i就从0开始，遍历文本串，代码如下：

for (int i = 0; i < s.size(); i++) 

接下来就是 s[i] 与 t[j] 进行比较。

如果 s[i] 与 t[j] 不相同，j就要从next数组里寻找下一个匹配的位置。

while(j >= 0 && s[i] != t[j]) {
    j = next[j-1];
}

如果 s[i] 与 t[j + 1] 相同，那么i 和 j 同时向后移动， 代码如下：

if (s[i] == t[j]) {
    j++; // i的增加在for循环里
}

如何判断在文本串s里出现了模式串t呢，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。

本题要在文本串字符串中找出模式串出现的第一个位置 (从0开始)，所以返回当前在文本串匹配模式串的位置i 减去 模式串的长度，就是文本串字符串中出现模式串的第一个位置。

if (j == (t.size() - 1) ) {
    return (i - t.size() + 1);
}

时间复杂度分析

n为文本串长度，m为模式串长度。生成next数组，时间复杂度是O(m)。在匹配的过程中，根据前缀表不断调整匹配的位置，文本串的指针是不回退的，匹配的过程是O(n)。所以整个KMP算法的时间复杂度是O(n+m)的。
暴力的解法显而易见是O(n × m)，所以KMP在字符串匹配中极大地提高了搜索的效率。

理解了这些，下一道题目就可以直接做出来了。

28. 实现 strStr()

题目链接🔥
给定一个 haystack 字符串和一个 needle 字符串，在 haystack 字符串中找出 needle 字符串出现的第一个位置 (从0开始)。如果不存在，则返回 -1。

示例 1: 输入: haystack = “hello”, needle = “ll” 输出: 2

示例 2: 输入: haystack = “aaaaa”, needle = “bba” 输出: -1

说明: 当 needle 是空字符串时，我们应当返回什么值呢？这是一个在面试中很好的问题。 对于本题而言，当 needle 是空字符串时我们应当返回 0 。这与C语言的 strstr() 以及 Java的 indexOf() 定义相符。

1.代码实现

class Solution {
public:
    void getNext(int* next, const string& s) {
        int j = 0;
        next[0] = 0;
        for(int i = 1; i < s.size(); i++) {
            while (j > 0 && s[i] != s[j]) {
                j = next[j - 1];
            }
            if (s[i] == s[j]) {
                j++;
            }
            next[i] = j;
        }
    }
    int strStr(string haystack, string needle) {
        if (needle.size() == 0) {
            return 0;
        }
        int next[needle.size()];
        getNext(next, needle);
        int j = 0;
        for (int i = 0; i < haystack.size(); i++) {
            while(j > 0 && haystack[i] != needle[j]) {
                j = next[j - 1];
            }
            if (haystack[i] == needle[j]) {
                j++;
            }
            if (j == needle.size() ) {
                return (i - needle.size() + 1);
            }
        }
        return -1;
    }
};

2.记录一个错误

第一次写的时候，getnext声明我是这样写的：

void getnext(vector<int> &next, string &s)

结果出现了报错：

Line 4: Char 13: error:subscripted value is not an array, pointer, or vector
        next[0]=0;

查了一下chatgpt：
函数声明是不能传递一个固定大小的数组引用的。
这是因为在函数声明中，数组的大小必须是已知的，而数组引用的大小是在函数调用时才能确定的，因此不允许在函数声明中传递固定大小的数组引用。

例如，下面的代码是无法通过编译的：

void myFunction(int &arr[5]) {}

为了在函数参数中传递一个固定大小的数组，可以使用指针或者使用标准库提供的容器类.
使用指针：

void getnext(int *next, string &s) {
    // ...
}
int next[needle.size()];
getnext(next,needle);

或者（‘int next[]’和‘int *next ’是等价的）：

void getnext(int next[],string &s){
    // ...
}
int next[needle.size()];
getnext(next,needle);

使用 std::vector 的示例：

void getnext(vector<int> &next, string &s) {
    // ...
}
vector<int> next(needle.size());
getnext(next,needle);

3.总结思考

💡其实KMP的理论还是挺好理解的，但是代码实现对于我来说很难。其实认真看一下会发现next数组的建立过程和匹配过程是很像的，有关i、j位置处字符相同和冲突的处理方法一模一样，更是印证了在next数组建立过程中，后缀看作文本串，前缀看作模式串。

本题学习时间⌛️：6h

---

459.重复的子字符串

题目链接

给定一个非空的字符串，判断它是否可以由它的一个子串重复多次构成。给定的字符串只含有小写英文字母，并且长度不超过10000。

示例 1:
输入: “abab”
输出: True
解释: 可由子字符串 “ab” 重复两次构成。

示例 2:
输入: “aba”
输出: False

示例 3:
输入: “abcabcabcabc”
输出: True
解释: 可由子字符串 “abc” 重复四次构成。 (或者子字符串 “abcabc” 重复两次构成。)

暴力解法

就是一个for循环获取子串的终止位置， 然后判断子串是否能重复构成字符串，又嵌套一个for循环，所以是O(n^2)的时间复杂度。
📎重复的子串一定包含子串的起始位置，
📎遍历的时候只需要遍历到中间位置，因为子串结束位置大于中间位置的话，一定不能重复组成字符串。

移动匹配法

1.思路分析

当一个字符串内部由重复的子串组成，那么这个字符串的结构一定是这样的：

也就是由前后相同的子串组成。

那么既然前面有相同的子串，后面有相同的子串，用 s + s，这样组成的字符串中，后面的子串做前串，前后的子串做后串，就一定还能组成一个s，如图：

所以判断字符串s是否由重复子串组成，只要两个s拼接在一起，里面还出现一个s的话，就说明是由重复子串组成。

当然，我们在判断 s + s 拼接的字符串里是否出现一个s的的时候，要刨除 s + s 的首字符和尾字符，这样避免在s+s中搜索出原来的s，我们要搜索的是中间拼接出来的s。

2.代码实现

class Solution {
public:
    bool repeatedSubstringPattern(string s) {
        string t=s+s;
        t.erase(t.begin());
        t.erase(t.end()-1);
        if(t.find(s)==string::npos) return false;
        return true;
    }
};

📎t.find(s) != std::string::npos
t.find(s) != std::string::npos是C++中一种用于查找子字符串的常用技巧。

在这个表达式中，t是一个std::string类型的字符串，而s是要查找的子字符串。find()函数用于在字符串 t 中查找子字符串s。如果找到了子字符串s，find()函数将返回子字符串在主字符串中的索引（位置），如果未找到，则返回std::string::npos。

std::string::npos 是std::string类中一个特殊的静态常量，它表示无效或未找到的位置。
📎string拼接函数

//使用append()
std::string str1 = "Hello, ";
std::string str2 = "world!";
str1.append(str2);

//concat()函数（仅限C++11及以上版本）
std::string str1 = "Hello, ";
std::string str2 = "world!";
std::string result = str1.concat(str2);

KMP法

1.思路分析

最长相同前后缀和重复子串的关系？

🌟结论：如果一个字符串是由重复子串构成的，它的最小重复单位就是它的最长相等前后缀不包含的子串。
这里拿字符串s：abababab 来举例，ab就是最小重复单位，如图所示：

为什么是这样呢？

步骤一：因为 这是相等的前缀和后缀，t[0] 与 k[0]相同， t[1] 与 k[1]相同，所以 s[0] 一定和 s[2]相同，s[1] 一定和 s[3]相同，即：，s[0]s[1]与s[2]s[3]相同 。
步骤二： 因为在同一个字符串位置，所以 t[2] 与 k[0]相同，t[3] 与 k[1]相同。
步骤三：t[2] 与 k[2]相同 ，t[3]与k[3] 相同，所以s[2]s[3] 与 s[4]s[5]相同。
步骤四：循环往复。

所以字符串s，s[0]s[1]与s[2]s[3]相同， s[2]s[3] 与 s[4]s[5]相同，s[4]s[5] 与 s[6]s[7] 相同。

怎么判断有没有重复子字符串？

🌟结论：假设数组长度为len, 最长相等前后缀的长度为：next[len - 1] ；如果len % (len - (next[len - 1] ) == 0 ，则说明 (数组长度-最长相等前后缀的长度) 正好可以整除数组的长度，说明有该字符串有重复的子字符串。

数学推导：
假设字符串s使用多个重复子串构成（这个子串是最小重复单位），重复出现的子字符串是x，所以s是由nx组成。
因为字符串s的最长相同前后缀的的长度一定是不包含s本身，所以 最长相同前后缀长度必然是mx，而且 n - m = 1，
所以如果 nx % (n - m)x = 0，就可以判定有重复出现的子字符串。

最长相等前后缀的长度为：next[len - 1] 。如果 next[len - 1] != 0，则说明字符串有最长相同的前后缀。
为了方便理解，举一个栗子看看next数组里的规律：

数组长度为：len。
如果len % (len - next[len - 1] ) == 0 ，说明该字符串有重复的子字符串。

数组长度减去最长相同前后缀的长度相当于是第一个周期的长度，也就是一个周期的长度，如果这个周期可以被整除，就说明整个数组就是这个周期的循环。

2.代码实现

class Solution {
public:
    void getnext(int * next,string &s){
        next[0] = 0;
        int j=0;
        for(int i=1;i<s.size();i++){
            while(j>0&&s[i]!=s[j]){
                j=next[j-1];
            }
            if(s[i]==s[j]){
                j++;
            }
            next[i]=j;
        }
    }
    bool repeatedSubstringPattern(string s) {
        if (s.size() == 0)  return false;
        int next[s.size()];
        getnext(next,s);
        int len=s.size();
        if(next[len-1]!=0&&len%(len-next[len-1])==0) return true;
        return false;
    }
};

复杂度分析

时间复杂度：O(N)
getNext函数中，时间复杂度就为O(N)，后面的时间复杂度也为O(N），总体时间复杂度为O(n)

空间复杂度：O(N）
Next函数的储存，长度就为O(N），然后还有常数个变量，因此整体的空间复杂度为O(N)

总结思考

💡本题在找子串的基础上，多了重复子串的条件。怎么判断一个字符串是否有重复的子串，重复的子串是什么。希望下次见到能留个印象。

本题学习时间⌛️：4h

---