KMP字符串匹配算法

KMP字符串匹配算法

• 以往字符串匹配我都是直接暴力匹配（时间复杂度O(mn)），最近学习了KMP算法，只想说KMP杀我
• KMP是出了名的难懂，各种博客上的算法思想都大同小异，只是实现代码有些不同
• KMP算法的关键是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的
• 具体实现的关键是找到next[]数组，数组本身包含了模式串的局部匹配信息
• 时间复杂度O(m+n)
• 先不管next[]数组的产生，讲讲KMP算法是如何实现匹配的

文本串为：a b c a b c a b a b c a b a a

模式串为：a b c a b a a

1、从下标0的位置开始依次匹配，直到c和a不匹配了，i，j停下

2、此时 j 回退到 next[ j ] 值“2”的地方，即 c 继续开始 i++，j++匹配直到b和a又不匹配了停下

3、此时 j 回退到 next[j] 的值“1”的地方，即 b 继续开始 i++，j++匹配

和暴力匹配最不同的两点：

• j 每次回退不一定到模式串的最开头，而是到next [ j ]值的地方
• 一遇到不匹配的字符，i 不会回退到一开始匹配字符的后一个字符，而是停住等待j回退后继续比较

以下是KMP代码：

int KmpSearch(char* s, char* p)  
{  
    int i = 0;  
    int j = 0;  
    int sLen = strlen(s);  //文本长度
    int pLen = strlen(p);  //模式长度
    while (i < sLen && j < pLen)  
    {  
        //①如果j = -1，或者当前字符匹配成功（即S[i] == P[j]），都令i++，j++      
        if (j == -1 || s[i] == p[j])  
        {  
            i++;  
            j++;  
        }  
        else  
        {  
            //②如果j != -1，且当前字符匹配失败（即S[i] != P[j]），则令 i 不变，j = next[j]      
            //next[j]即为j所对应的next值        
            j = next[j];  
        }  
    }  
    if (j == pLen)  
        return i - j;  //匹配成功返回文本匹配成功的第一个字符下标
    else  
        return -1;  //匹配失败返回-1
}  

接下来再讲讲 next[ ] 数组的作用及意义

• 首先要明确：

  • next[] 数组是帮助 j 回退到合适的位置的（既要避免漏判又要避免无意义的比较）

  • next[]数组是模式串与自己匹配得到的

• 先解释为什么 next[] 数组第一个值定为 -1：

  • 如果文本某个字符（i=x）和模式第一个字符（j=0）不匹配，则 j 回退到 next [ j ] 值“-1”处（虽然没有实际意义），但能进入if 判断使 i++，j++，即比较文本 i=x+1下标的字符与模式 j=0 的字符
  • 有人会问：那为什么不直接把next[0]定为0呢？——那样就一直循环进入else里 j 回退到0，无法比较下去

• 再解释next[] 数组剩余的值表示什么意思（也是手动求解方法）：

  • 首先是next[1]=0，表示索引1之前的子串"a"没有公共子串
  • next[2]=0,表示索引2之前的子串"ab"也没有公共子串
  • next[3]=0,表示索引3之前的子串"abc"没有公共子串
  • next[4]=1,表示索引4之前的子串"abca"其中前缀"a" 和后缀"a"相同且长度为1
  • next[5]=2,表示索引5之前的子串"abcab"其中前缀"ab"和后缀"ab"相同且长度为2
  • next[6]=1,表示索引6之前的子串"abcaba"其中前缀"a"和后缀"a"相同且长度为1

• 综上所述，next[]的值(除去next[0])实际上表示的是该位置字符之前的子串 所含有的最大相同前后缀的 长度

• 解释next[]数组作用：

  • 在KMP匹配中，一旦 i 和 j 停下，说明前面的子串是匹配成功的，即i-1和j-1指向的字符相同，i-2和j-2指向的字符相同…

  • 如果此时next[j]的值不为0，说明前面的子串存在相同的前后缀，则表示文本串中最末尾的几个（后缀）可以与模式串中最前面的几个（前缀）完全匹配

  • 例：（因为该例next[j]=2则表示相同前后缀长度为2，而数组下标均从0开始，所以回退到的下标也是2）
    

  • 则 j 不必回退到0的位置，而是相同前缀的后一个位置即 next[j] 开始与 i 指向的字符继续比较

最后是 next[] 数组的产生：

• 可以手算求解orz，方法参见上文
• 以下是代码（你会发现与KMP代码极其相似！！！因为next[]求解过程就是模式串自己和自己匹配）：

void GetNext(char* p,int next[])
{
	int pLen = strlen(p);	//模式串长度
	next[0] = -1;	//直接赋值-1，前面已经解释过
	int i = -1;	//前缀指针
	int j = 0;	//后缀指针
	while (j < pLen - 1)
	{
		if (i == -1 || p[j] == p[i]) 
		{
			i++;
			j++;
			next[j] = i;
		}
		else 
		{
			i = next[i];
		}
	}
}  

• p[i]==p[j] 后面的步骤很容易理解，表示模式串中前缀和后缀一直匹配成功则i++，j++，并把next[j]的值赋为前缀指针索引值（即为已经匹配好的相同前后缀的长度）
• 一旦匹配失败，i=next[i] 很难理解（蒟蒻我理解了一整天），前缀指针回退到它所指字符前子串的最大相同前后缀末尾之后
  • 如果 next[i]=0，则表示 i 之前没有相同前后缀，则 i 回退到索引0处（从头开始）
  • 如果 next[i]=2，则表示 i 之前的子串具有长度为 2 的相同前后缀，则 i 回退到 2 处（长度为2，但索引从0开始，所以相同前缀末尾之后的索引也为 2）