Z函数(扩展KMP)

注意：对于字符串$S$, $S[i,j]$表示从下标为$i$的位置到下标为$j$的位置所构成的子串。

Z函数

定义：对于字符串 $s$，$z_i$ 定义为 $|\mathrm{LCP}(s,s[i:])|$，即从 $i$ 开始的后缀与 $s$ 的最长公共子串的长度

。即$s[0,z[i]-1]=s[i,i+z[i]-1]$最长。

暴力构造法：$O(n^2)$

cin >> p;
int n = strlen (p);

for (int i = 0; i < n; i ++) 
	while (i + z[i] < n and p[z[i]] == p[z[i] + i]) z[i] ++;
    
for (int i = 0; i < n; i ++)
	cout << z[i] << " ";

优化方法：

需要明白，优化方法一定是利用已有的信息来求未知的信息。

$Z-box$：相当于一段区间$[l,r]$，并且这段区间是字符串的前缀，其中要求$r$要尽可能的大，$Z-box$会随着$i$进行移动，因此，在位置$i$时，$[l,r]$必须包含$i$。

对于字符串 $bacbcbacba$，$Z$函数的值如下

	b	a	c	b	c	b	a	c	b	a
$index$	$0$	$1$	$2$	$3$	$4$	$5$	$6$	$7$	$8$	$9$
$Z-function$	$10$	$0$	$0$	$1$	$0$	$4$	$0$	$0$	$2$	$0$

$z[5]=4$, 下标为$5$的$Z-box$范围为$s[5,8]$
$z[6]=0$, 下标为$6$的$Z-box$范围为$s[5,8]$
$z[7]=0$, 下标为$7$的$Z-box$范围为$s[5,8]$
$z[8]=2$, 下标为$8$的$Z-box$范围为$s[8,9]$

---

如何用$Z-box$来求$Z$函数呢？（假定字符串用$S$表示）

假定已经求得了$Z[i-1]$的值，以及到$i-1$位置的$Z-box$（即$[l,r]$）现在要求出$Z[i]$的值。

我们可以比较$i$与$r$的大小，分成两种情况

1、$i>r$

此时，虽然我们知道$i-1$的$Z$值和$[l,r]$但是这些信息并不能推导出$Z[i]$的值，因此我们暴力的进行匹配求$Z$的值，由于$r$的值增加了，同时要更新$Z-box$。

2、$i<r$

我们知道$[l,r]$和字符串的前缀是相等的， 将红色的区间移动到开头，匹配出对应位置如下图

由于上面的两段红色区间是完全相等的（由$Z-box$的定义），那么$s[i-1+1,r-l+1]=s[i,r]$，如下图绿色区域

在计算$Z[i]$之前，所有的$Z$都被计算过了，因此我们可以利用绿色的这段相等部分，来优化。

此时需要分为两种情况讨论

• $Z[i-l+1]<r-l+1$

此类情况，可以直接利用前面的匹配信息，$Z[i]=Z[i-l+1]$ ，同时$Z-box$不变。

• $Z[i-l+1]>=r-l+1$

此时，$s[i,r]$的部分一定是与前缀相同的，只需要在$>r$的部分进行暴力匹配即可。

同时由于$r$的范围更大了，需要更新$Z-box$为$[i,i+z[i]-1]$。

思考：

$Z-box$中的$r$取值为什么要尽可能靠右？

原因在于越靠右，上图中绿色区域的范围会越大，这样$z[i-l+1]<r-l+1$的情况会更多，所以会更好的节省时间。

总体时间复杂度为：$O(n)$，因为$Z-box$右端点最多右移$n$次。

参考程序如下：

void get_z (char *s, int n) {

    int l = 0, r = 0;
    z[1] = n;
    for (int i = 2; i <= n; i ++) {
        if (i > r) {
            while (s[i + z[i]] == s[z[i] + 1]) z[i] ++;
            l = i, r = i + z[i] - 1;
        } 
        else if (z[i - l + 1] < r - i + 1) z[i] = z[i - l + 1];
        else {
            z[i] = r - i + 1;
            while (s[i + z[i]] == s[z[i] + 1]) z[i] ++;
            l = i, r = i + z[i] - 1;
        }
    }
}

---

扩展KMP

扩展KMP算法主要解决以下字符串问题：

给定两个字符串$str1$以及$str2$，求$str1$的每一个后缀与$str2$的$LCP$(最长公共前缀)。

类比：

相比于$Z$函数，实际上如果$str1$ 等于 $str2$，扩展$KMP$求解的就是$Z$函数，因此可以使用类似于$Z$函数的方法求解

假定$extend[i]$表示$str1$第$i$位开始的后缀与$str2$的最长公共前缀

同理：类似于$Z-box$，我们维护一个区间$[l,r]$保证

• $[l,r]$随着$str1$中的$i$移动，在位置$i$时，必须包含$i$
• $r$尽可能的大

同理可以分好几种情况讨论

1、 $z[i-l+1]<r-i+1$

此时，$extend[i]=z[i-l+1]$，区间$[l,r]$保持不变。

2、 $z[i-l+1]>=r-i+1$

我们只能保证绿色区域相同，超出的部分需要收到更新，即$extend[i]$从$r$开始暴力扫描求解，区间$[l,r]$变成$[i,i+extend[i]-1]$

3、$i>r$时，无法使用已有信息进行匹配更新，直接从$i$位置开始扫描求解，同时区间$[l,r]$变成$[i,i+extend[i]-1]$

参考程序:

void get_ext (char *s1, int n, char *s2, int m) { // s1的每一个后缀与s2的lcp

    int l = 0, r = 0;
    for (int i = 1; i <= n; i ++) {
        if (i > r) {
            while (i + ext[i] <= n and ext[i] + 1 <= m and s1[i + ext[i]] == s2[ext[i] + 1]) ext[i] ++;
            l = i, r = i + ext[i] - 1;
        } 
        else if (z[i - l + 1] < r - i + 1) ext[i] = z[i - l + 1];
        else {
            ext[i] = r - i + 1;
            while (i + ext[i] <= n and ext[i] + 1 <= m  and s1[i + ext[i]] == s2[ext[i] + 1]) ext[i] ++;
            l = i, r = i + ext[i] - 1;
        }
    }
}

// 优化写法
inline void exkmp(char *s, int n, char *t, int m) {
	Z(t, m);
	for (int i = 1; i <= n; i++) p[i] = 0;
	for (int i = 1, l = 0, r = 0; i <= n; i++) {
		if (i <= r) p[i] = min(z[i-l+1], r - i + 1);
		while (i + p[i] <= n && s[i+p[i]] == t[p[i]+1]) ++p[i];
		if (i + p[i] - 1 > r) l = i, r = i + p[i] - 1;
	}
}

还有一种解决问题的思路：

求$str1$的每一个后缀与$str2$的$lcp$，我们可以将$str1$拼接在$str2$后面，对新的字符串$str$，求它的$Z$函数即可！

那么对于原先$str1$的$ext[i]$等价于$z[i+size(str2)]$。

---

例题

题目描述

给定两个字符串 $a,b$，你要求出两个数组：

• $b$ 的 $z$ 函数数组 $z$，即 $b$ 与 $b$ 的每一个后缀的 $LCP$ 长度。
• $b$ 与 $a$ 的每一个后缀的 $LCP$ 长度数组 $p$。

对于一个长度为 $n$ 的数组 $a$，设其权值为 ${\mathrm{xor}}_{i=1}^{n}i\times (a_i+1)$。

输入格式

两行两个字符串 $a,b$。

输出格式

第一行一个整数，表示 $z$ 的权值。

第二行一个整数，表示 $p$ 的权值。

输入样例1

aaaabaa
aaaaa

输出样例

6
21

说明/提示

样例解释：

z = { 5   4   3   2   1 } z = \{5\ 4\ 3\ 2\ 1\} z={5 4 3 2 1} , p = { 4   3   2   1   0   2   1 } p = \{4\ 3\ 2\ 1\ 0\ 2\ 1\} p={4 3 2 1 0 2 1}。

数据范围：

对于第一个测试点，$|a|,|b|\le 2\times 10^3$。

对于第二个测试点，$|a|,|b|\le 2\times 10^5$。

对于 100%100% 的数据，$1\le |a|,|b|\le 2\times 10^7$，所有字符均为小写字母。

(此题在洛谷上测试，编号为$P5410$，开$O_2$可过。)

---

参考程序1

#include <iostream>
#include <cstring>
using namespace std;

const int N = 2e7 + 15;
typedef long long ll;

char a[N], b[N];
int n, m;	
ll z[N], ext[N];

void get_z (char *s, int n) {

    ll l = 0, r = 0;
    z[1] = n;
    for (int i = 2; i <= n; i ++) {
        if (i > r) {
            while (s[i + z[i]] == s[z[i] + 1]) z[i] ++;
            l = i, r = i + z[i] - 1;
        } 
        else if (z[i - l + 1] < r - i + 1) z[i] = z[i - l + 1];
        else {
            z[i] = r - i + 1;
            while (s[i + z[i]] == s[z[i] + 1]) z[i] ++;
            l = i, r = i + z[i] - 1;
        }
    }
}

void get_ext (char *s1, int n, char *s2, int m) { // s1的每一个后缀与s2的lcp

    ll l = 0, r = 0;
    for (int i = 1; i <= n; i ++) {
        if (i > r) {
            while (i + ext[i] <= n and ext[i] + 1 <= m and s1[i + ext[i]] == s2[ext[i] + 1]) ext[i] ++;
            l = i, r = i + ext[i] - 1;
        } 
        else if (z[i - l + 1] < r - i + 1) ext[i] = z[i - l + 1];
        else {
            ext[i] = r - i + 1;
            while (i + ext[i] <= n and ext[i] + 1 <= m  and s1[i + ext[i]] == s2[ext[i] + 1]) ext[i] ++;
            l = i, r = i + ext[i] - 1;
        }
    }


}

int main () {
    // freopen ("2.in", "r", stdin);
	cin >> (a + 1) >> (b + 1);

	n = strlen(a + 1), m = strlen (b + 1);
	get_z (b, m);
    ll t1 = 0;
    for (int i = 1; i <= m; i ++) 
        t1 ^= ((z[i] + 1) * i);
    cout << t1 << endl;
	get_ext (a, n, b, m);
    t1 = 0;
    for (int i = 1; i <= n; i ++) 
        t1 ^= ((ext[i] + 1) * i);
    cout << t1 << endl;
	return 0;
} 

---

两个串合并：

参考程序2

#include <iostream>
#include <cstring>
using namespace std;

const int N = 2e7 + 15;
typedef long long ll;

string a, b;
ll n, m;   
ll z[N * 2];

void get_z (string s, int n) {

    ll l = 0, r = 0;
    z[1] = n;
    for (int i = 2; i <= n; i ++) {
        if (i > r) {
            while (s[i + z[i]] == s[z[i] + 1]) z[i] ++;
            l = i, r = i + z[i] - 1;
        } 
        else if (z[i - l + 1] < r - i + 1) z[i] = z[i - l + 1];
        else {
            z[i] = r - i + 1;
            while (s[i + z[i]] == s[z[i] + 1]) z[i] ++;
            l = i, r = i + z[i] - 1;
        }
    }
}

int main () {
    // freopen ("2.in", "r", stdin);
    cin >> a >> b;


    n = a.length(), m = b.length();

    get_z (" " + b + a, m + n);
    ll t1 = 0;
    for (int i = 1; i <= m; i ++) 
        t1 ^= ((min(z[i], m - i + 1) + 1) * i);
    
    cout << t1 << endl;
    
    t1 = 0;
    for (int i =  1; i <= n; i ++) 
        t1 ^= ((min(z[i + m], m) + 1) * i);

    cout << t1 << endl;
    return 0;
}