KMP算法
KMP算法是一种改进的字符串匹配算法,由D.E.Knuth,J.H.Morris和V.R.Pratt同时发现,因此人们称它为克努特——莫里斯——普拉特操作(简称KMP算法)。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。具体实现就是实现一个next()函数,函数本身包含了模式串的局部匹配信息。时间复杂度O(m+n)。
——引例——
现有一个原串和一个匹配串
原串:ababcabcbcaababcaccbababa
模式串:ababa
判断原串中是否含有模式串
(为了方便演示,原串具有高度重复,并在串的最后保证有解)
不妨称原串为
s
1
s1
s1,模式串为
s
2
s2
s2,起始位都记为第
0
0
0位。
首先可以看到
0
0
0 ~
3
3
3 这四位是相同的,到第
4
4
4位的时候出现不同,理想状态下,我们希望如下图所示的移动匹配串
因为我们发现模式串前
4
4
4个字符
"
a
b
a
b
"
"abab"
"abab"中,前面两个和后面两个字符一样,那么如果前面这四个字符在某个位置刚好和原串匹配,但最后一个字符不匹配时,可以利用这次匹配失败的结果,直接向后移两位。
KMP就是实现这一过程的优良方法。在进行匹配之前,我们需要知道当某个位置匹配失败时,我们应该让
序列跳动到哪个位置。事先处理好之后,就能跳跃着进行字符串匹配。
跳动的指针、前缀与后缀
通过上面的例子,我们发现像
"
a
b
a
b
"
"abab"
"abab"这样的序列,当后面一个字符出错时,会跳到第二个
′
a
′
'a'
′a′的位置。
假设现在有一个序列为"aaabbbaaabbbaaa",当中间一位或最后一位出错时,该如何移动?
中间一位:我们发现,无论如何向后移动序列都不能与原来既定匹配的位置重叠,只好移到第1位,才姑且保证我们的匹配进度不会倒退。
最后一位:如图,我们可以序列跳到第8位,在进行判断继续跳跃,直到0位与这个不匹配位相对
根据这个快速跳跃的规则,我们建立一个数组,对于
"
a
a
a
b
b
b
a
a
a
b
b
b
a
a
a
"
"aaabbbaaabbbaaa"
"aaabbbaaabbbaaa",它的“跳跃”数组如下:
依然设第一个字符的位置为0,这个数组叫做
n
e
x
t
next
next
该数组的含义是:如果第 i i i位不匹配,那么就让该匹配位与 n e x t [ i ] next[i] next[i]表示的字符位进行匹配,如此进行,直到遇到 − 1 -1 −1时,该匹配位失效,匹配位往下移一个,且指向字符位 0 0 0。
当然这个数组还有另一层含义,对数组中每一个元素加上
1
1
1,此时它的含义是前缀串与后缀串最大的相同位数。
举几个例子:
"
a
a
a
"
"aaa"
"aaa"中,前面的
"
a
a
"
"aa"
"aa"和后面的
"
a
a
"
"aa"
"aa"相同,最大相同位为
2
2
2,记录在数组的第
2
2
2位。
"
a
a
a
b
b
b
a
a
a
"
"aaabbbaaa"
"aaabbbaaa"中,前面的
"
a
a
a
"
"aaa"
"aaa"和后面的
"
a
a
a
"
"aaa"
"aaa"相同,所以相同位数为
3
3
3,记在数组第
8
8
8位。
"
a
a
a
b
b
b
a
a
a
b
b
b
"
"aaabbbaaabbb"
"aaabbbaaabbb"中,前面的
"
a
a
a
b
b
b
"
"aaabbb"
"aaabbb"和后面的
"
a
a
a
b
b
b
"
"aaabbb"
"aaabbb"相同,所以在第
11
11
11位记上
6
6
6。
这也与
n
e
x
t
next
next数组的建立有关。
由此可以推出当模式串自相似度很低时,基本上每一次跳动都会整体移动,复杂度为线性时间。但是面对高度自相似的模式串,还是会带有一些往前跳动的时间,最坏可能退化为等价于暴力枚举。
next数组的实现、算法模板
——next数组实现(C++)——
讲完next数组的作用后,现在谈谈
n
e
x
t
next
next数组的实现
n
e
x
t
next
next数组的实现基于两个跳动的 “指针” ,实际上也可以看做模式串自己与自己进行匹配,我们另一个“指针”
p
p
p遍历模式串,再用另一个 “指针”
k
k
k往前跳动。
具体流程已经标注在代码中了。
inline void KMP_next()
{
int l=strlen(s2);
int k=-1;//k表示前缀串
snext[0]=-1;
for(int p=1;p<l;++p)
{
while( k>=0 && s2[p]!=s2[k+1]) k=snext[k];
//向前回溯到串等长的位置
if(s2[p]==s2[k+1]) ++k;
//这个时候相当于,前缀串指针指在k+1(++k前),后缀串指针应该指在p-snext[k]-1的位置
snext[p]=k;
//这个重合串的长度就是k+1(串从0开始计数,所以是k+1
}
}
——KMP算法模板——
#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
int snext[101];
char s1[1000006];
char s2[101];
inline void KMP_next()
{
int l=strlen(s2);
int k=-1;//k表示前缀串
snext[0]=-1;
for(int p=1;p<l;++p)
{
while( k>=0 && s2[p]!=s2[k+1]) k=snext[k];
//向前回溯到串等长的位置
if(s2[p]==s2[k+1]) ++k;
//这个时候相当于,前缀串指针指在k+1(++k前),后缀串指针应该指在p-snext[k]-1的位置
snext[p]=k;
//这个重合串的长度就是k+1(串从0开始计数,所以是k+1
}
}
int main()
{
scanf("%s %s",s1,s2);
KMP_next();
//先预处理next数组,再进行匹配
int l1=strlen(s1);
int l2=strlen(s2);
int k=-1,p=0;
while(p<l1&&k<l2)
{
while( k>=0 && s1[p]!=s2[k+1]) k=snext[k];
//发现不匹配,k往前回溯到一个匹配的位置
if(s1[p]==s2[k+1]) ++k;
//发现匹配
else
{
//k回溯到-1还是无法匹配,只好向后移动
++p;
++k;
}
if(k==l2-1)
{ //模式串已经匹配完
printf("YES\n");
break;
}
++p;
}
if(p==l1) printf("NO\n");
return 0;
}