KMP算法

KMP算法

问题：

在字符串匹配问题中，给出两个字符串，文本串test，模式串pattern，如何判断模式串是否是文本串的一个子串

KMP算法核心：

1. 模式串失配后，不是从下一个字符开始重新匹配，而是利用已有的信息，跳过不可能成功匹配的位置，减少匹配次数，达到快速匹配的目的；
2. 失配之后具体要跳过多少位置，可以提前用模式串计算出来，计算出来的结果就存在next[]数组中；
3. next[j] = k;
   代表的是模式串的子串（0 ~ j-1）的前缀和后缀相同的最大长度；
   其中前缀是指：除最后一个字符外，字符串的所有头部子串；
   后缀是指：除第一个字符外，字符串的所有尾部子串；
   因此 k < j 恒成立；

KMP算法过程：

设test串指针为 i， pattern串指针为 j：
此时部分匹配：
“test[i-j] ~ test[i-1]” == “pattern[0] ~ pattern[j-1]”，test[i] != pattern[j]；且 next[j] == k;
由next数组定义知：
“pattern[0] ~ pattern[k-1]” == “pattern[j-k] ~ pattern[j-1]”
所以我们接下来只用匹配test[i] 与 pattern[k] 即可，避免了主串的回溯;
代码形式即为：j = next[j];

KMP主体代码：

const int MAXN = 10000;
int KMP(string test, string pattern)
{
    int next[MAXN];
    GetNext(next,pattern);
    int i = 0, j = 0;
    while(i < test.size() && j < pattern.size())
    {
        if(j == -1 || test[i] == pattern[j])//回溯到起点状态，从头匹配；或者当前字符匹配成功，匹配下一个字符
        {
            i ++;
            j ++;
        }
        else
        {
            j = next[j];//当前字符串匹配失败，移动模式串指针
        }
    }
    if(j == m) //匹配成功
    {
        return i-j+1;//返回第一个匹配串下标
    }
    else return -1;//匹配失败
}

next[]数组的求解：

由上面的主代码可知，现在我们面临的问题就是对next数组的求解；

具体求解过程：
next数组的求解具有很强的规律性以及递推关系;
在已知next[j]的情况下，求解next[j+1]：

1. 设next[j]的值为k，说明在长为j的子串中，0 ~ k-1 的头部子串和 j-k ~ j-1 的尾部子串完全相同；
2. 现在考虑长为 j+1的子串：
   a. if ( patern[k] == pattern[j]）
   即pattern中第k+1个字符与第j+1个字符相同，那么显然next[j+1] = next[j]+1;
   b. if (即patern[k] != pattrtn[j]）
   即pattern中第k+1个字符与第j+1个字符不同 ；
   我们可以把这种情况看做一个pattern串与另一个pattern串匹配，出现了失配的现象，将 j 视为主串指针，k 视为目标串指针，则由KMP主体算法的演示过程可知，对k进行回溯而j不变；
   即有： k = next[k] ;（next[k] 必定小于k）

Next数组求解代码

void GetNext(int next[], string pattern)//创建next表，本质上使用pattern自己与自己匹配来获得next数组
{
    next[0] = -1;//初始化
    int k = -1, j = 0;
    
    while(j < pattern.size())//对每个子串求出其对应的next值
    {
        if(k == -1 || pattern[j] == pattern[i])
        {
            k ++;
            j ++;
            next[j] = k;
        }
        else
        {
            k = next[k];//next[i]是小于i的
        }
    }
}