匹配字符串的KMP算法

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$s1$，模式串为$s2$，起始位都记为第$0$位。
首先可以看到 $0$ ~ $3$ 这四位是相同的，到第$4$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$4$个字符 $"abab"$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$"abab"$这样的序列，当后面一个字符出错时，会跳到第二个${}^{\prime }{a}^{\prime }$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$"aaabbbaaabbbaaa"$，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$next$

该数组的含义是：如果第$i$位不匹配，那么就让该匹配位与$next[i]$表示的字符位进行匹配，如此进行，直到遇到$-1$时，该匹配位失效，匹配位往下移一个，且指向字符位$0$。

当然这个数组还有另一层含义，对数组中每一个元素加上$1$，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：
$"aaa"$中，前面的$"aa"$和后面的$"aa"$相同，最大相同位为$2$，记录在数组的第$2$位。
$"aaabbbaaa"$中，前面的$"aaa"$和后面的$"aaa"$相同，所以相同位数为$3$，记在数组第$8$位。
$"aaabbbaaabbb"$中，前面的$"aaabbb"$和后面的$"aaabbb"$相同，所以在第$11$位记上$6$。
这也与$next$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$next$数组的实现
$next$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”$p$遍历模式串，再用另一个 “指针” $k$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;
}