KMP学习

一、引言

KMP算法是昨天才学习的算法，因为最初听别人讲的next数组很复杂，所以自己觉得比较繁琐。
但是在学习中，它的效率比暴力匹配快了许多，所以学习它也是很重要的。
下面是我对KMP算法的所有理解，由浅入深、逐步讲解。

二、暴力匹配

字符串匹配问题：给定一个n个字符组成的串[称为文本(text)]，一个m（m<=n）个字符的串[称为模式(pattern)],从文本中寻找匹配模式的子串。

• 如果匹配成功，即a[i + j] == b[j]，则j++，继续匹配下一个字符。
• 如果匹配失败，即没有进入while循环，则i++，j=0。每次匹配都是从模式的第一个位置开始匹配，所以j每次都要记为0。
• 注意最后一轮子串匹配的起始位置是n-m（文本位置是从0到n-1）。在这个位置以后，再也没有足够的字符可以匹配整个模式了，因此，该算法也就没有必要再做比较了。

#include <iostream>
#include <string>
using namespace std;
int BruteFroceStringMatch(string a, string b) {
	int la = a.length();
	int lb = b.length();
	int i,j ;
	for (i = 0; i <=la-lb; i++) {
		j = 0;
		while (j < lb&&a[i + j] == b[j]) {
			j++;
			if (j == lb) return i;
		}
	}
	return -1;
}
int main() {
	string a, b;
	getline(cin, a);  //a为文本串
	getline(cin, b);  //b为模式串
	int result = BruteFroceStringMatch(a, b);
	cout << "文本匹配到字符串的起始位置为：" << result << endl;
	return 0;
}

例子：
文本a“abxabcabcaby”，模式b“abcaby”。过程如下：
1.a[0]为a，b[0]为a，匹配。执行while语句，j++。直到a[i + j] ！= b[j]，即a[0+2]!=b[2]

2.a[1]和b[0]不匹配，继续执行i++。

3.直到a[3]和b[0]相匹配，又一次进行while循环。

4.一直进行for循环，直到i=n-m。此时，a[6]==b[0]。进行while循环，发现字符串匹配，输出匹配时的位置。

该算法的时间复杂度为O(mn)，在此基础上学习优化的查找算法，KMP。

三、KMP

#include <iostream>
#include <string>
using namespace std;
int kmp(string a, string b) {
	int next[100];
	int i, j , k;
	j = 0;
	int lla = a.length(); int llb = b.length();
	next[0] = 0;
	i = 1;
	while (i < llb) {
		if (b[i] == b[j]) {  //j是第一个数的指针
			next[i] = j + 1;  
			j++;
			i++;
		}
		else {
			if (j != 0) {
				j = next[j - 1];
			}
			else {
				next[i] = 0;
				i++;
			}
		}
	}
	i = 0; k = 0;
	while (i < lla && k < llb) {
		if (a[i] == b[k]) {
			i++; k++;
		}
		else {
			if (k != 0) {
				k = next[k - 1];
			}
			else {
				i++;
			}
		}
	}
	if (k == llb) {
		return i - k;
	}
	else {
		return 0;
	}
}
int main() {
	string a, b;
	getline(cin, a);
	getline(cin, b);
	int result = kmp(a, b);
	cout << "文本匹配到字符串的起始位置为："<<result<<endl;
	return 0;
}

3.1 前缀后缀

如果给定的模式串是：“ABCDABD”，从左至右遍历整个模式串，其各个子串的前缀后缀分别如下表格所示：

3.2 最大公共字符长度表

例子：
模式为a“aabaabaaa”，求最大公共字符长度的数组next。
1.设两个指针，j指向a[0]，i指向a[1]，当只有一个字符时，没有前缀和后缀，所以令next[0]=0。此时a[0]==a[1]，所以next[1]=j+1=1，i++，j++。

2.由图可知，a[j]=a[1],a[i]=a[2],a[j]!=a[i]。所以回溯j=j-1,因j-1=0，所以next[i]=0，i++。

3.a[j]==a[i],next[i]==j+1。i++，j++。

4.后面逐步进行匹配，得下图结果。此时a[j]!=a[i],j=next[j-1],j=2,即在字符a前（包括字符a）最大公共字符串长度为2,转到j处。

此时a[j]!=a[i],j=next[j-1],j=1。

a[j]=a[i],next[i]=j+1;

3.3 基于最大公共字符长度表匹配

结合之前的最大公共字符长度表，进行字符串的匹配。如果给定文本串“BBC ABCDAB ABCDABCDABDE”，和模式串“ABCDABD”，现在要拿模式串去跟文本串匹配，如下图所示：
“ABCDABD”的next数组值为“0000120”

1. 因为模式串中的字符A跟文本串中的字符B、B、C、空格一开始就不匹配，所以不必考虑结论，直接将模式串不断的右移一位即可，直到模式串中的字符A跟文本串的第5个字符A匹配成功：
   
   2.继续往后匹配，当模式串最后一个字符D跟文本串匹配时失配，显而易见，模式串需要向右移动。但向右移动多少位呢？因为此时已经匹配的字符数为6个（ABCDAB），然后根据最大公共字符长度表可得失配字符D的上一位字符B对应的长度值为2，所以此时k=2，即从C开始匹配。
   
   3.移动后，发现C处再度失配，因为此时已经匹配了2个字符（AB），且上一位字符B对应的最大长度值为0，k=next[k-1]。
   
   4.A与空格失配，向右移动1 位。
   
   5.继续比较，发现D与C 失配，故k为k=next[k-1]，即k=2。
   
2. 经历第5步后，发现匹配成功，过程结束。
   
   通过上述匹配过程可以看出，问题的关键就是寻找模式串中最大长度的相同前缀和后缀，找到了模式串中每个字符之前的前缀和后缀公共部分的最大长度后，便可基于此匹配。而这个最大长度便正是next 数组要表达的含义。

四、学习视频

慢慢看完、认真理解就能掌握KMP
https://www.bilibili.com/video/av3246487?t=590