【算法】KMP算法（快速模式匹配算法）

---

一、"KMP"算法是"BF"算法的改进

串的 普通模式匹配算法（"BF"算法），大体思路是：模式串从主串的第一个字符开始匹配，每匹配失败，主串中记录匹配进度的指针 i 都要进行 i-j+1 的回退操作（回退到主串的下一个字符处，这个过程称为“指针回溯”），同时模式串向后移动一个字符的位置。一次次的循环，直到匹配成功或者程序结束。

"KMP"算法相比于"BF"算法，优势在于：

1. 在保证指针 i 不回溯的前提下，当匹配失败时，让模式串向右移动最大的距离（大于等于一个字符）；
2. 可以在 O(n+m) 的时间数量级上完成对串的模式匹配操作；

故，"KMP"算法 称为 “快速模式匹配算法”。

---

二、模式串向右移动距离的计算

在模式串和主串匹配时，各有一个指针指向当前进行匹配的字符（主串中是指针 i ，模式串中是指针 j ），在保证 i 指针不回溯的前提下，如果想实现功能，就只能让 j 指针回溯。

j 指针回溯的距离，就相当于模式串向右移动的距离。 j 指针回溯的越多，说明模式串向右移动的距离越长。

计算模式串向右移动的距离，就可以转化成：当某字符匹配失败后， j 指针回溯到的位置 （指针将指向模式串的第几个字符）。

对于一个给定的模式串，其中每个字符都有可能会遇到匹配失败，这时对应的 j 指针都需要回溯，具体回溯的位置其实还是由模式串本身来决定的，和主串没有关系。

模式串中的每个字符所对应 j 指针回溯的位置，可以通过算法得出，得到的结果相应地存储在一个数组中（默认数组名为 next ）。

计算方法是：对于模式串中的某一字符来说，提取它前面的字符串，分别从该提取出的字符串的两端查看连续相同的字符串的个数，在其基础上 +1 ，结果就是该字符对应的 next 值。

每个模式串的第一个字符对应的值为 0 ，第二个字符对应的值为 1 。

例如：求模式串 “abcabac” 的 next 。前两个字符对应的 0 和 1 是固定的。

对于第三个字符 ‘c’ 来说，提取它前面的字符串 “ab” ，‘a’ 和 ‘b’ 不相等，相同的字符串的个数为 0 ，0 + 1 = 1 ，所以 ‘c’ 对应的 next 值为 1 ；
第四个字符 ‘a’ ，提取它前面的字符串 “abc” ，从首先 ‘a’ 和 ‘c’ 就不相等，相同的个数为 0 ，0 + 1 = 1 ，所以，‘a’ 对应的 next 值为 1 ；
第五个字符 ‘b’ ，提取 “abca” ，第一个 ‘a’ 和最后一个 ‘a’ 相同，相同个数为 1 ，1 + 1 = 2 ，所以，‘b’ 对应的 next 值为 2 ；
第六个字符 ‘a’ ，提取 “abcab” ，前两个字符 “ab” 和最后两个 “ab” 相同，相同个数为 2 ，2 + 1 = 3 ，所以，‘a’ 对应的 next 值为 3 ；
最后一个字符 ‘c’ ，提取 “abcaba” ，第一个字符 ‘a’ 和最后一个 ‘a’ 相同，相同个数为 1 ，1 + 1 = 2 ，所以 ‘c’ 对应的 next 值为 2 ；
所以，字符串 “abcabac” 对应的 next 数组中的值为（0,1,1,1,2,3,2）。

上边求值过程中，每次都需要判断字符串头部和尾部相同字符的个数，而在编写算法实现时，对于某个字符来说，可以 借用前一个字符的判断结果，计算当前字符对应的 next 值。

具体的算法如下：
模式串T为(下标从1开始)：“abcabac”
next数组(下标从1开始)： 01
第三个字符 ‘c’ ：由于前一个字符 ‘b’ 的 next 值为 1 ，取 T[1] = ‘a’ 和其前一个字符 ‘b’ 相比较，不相等，继续；由于 next[1] = 0，结束。 ‘c’ 对应的 next 值为1；（只要循环到 next[1] = 0 ,该字符的 next 值都为 1 ）

模式串T为： “abcabac”
next数组(下标从1开始)：011
第四个字符 ’a‘ ：由于前一个字符 ‘c’ 的 next 值为 1 ，取 T[1] = ‘a’ 和其前一个字符 ‘c’ 相比较，不相等，继续；由于 next[1] = 0 ，结束。‘a’ 对应的 next 值为 1 ；

模式串T为： “abcabac”
next数组(下标从1开始)：0111
第五个字符 ’b’ ：由于前一个字符 ‘a’ 的 next 值为 1 ，取 T[1] = ‘a’ 和其前一个字符 ‘a’ 相比较，相等，结束。 ‘b’ 对应的 next 值为：1(前一个字符 ‘a’ 的 next 值) + 1 = 2 ；

模式串T为： “abcabac”
next数组(下标从1开始)：01112
第六个字符 ‘a’ ：由于前一个字符 ‘b’ 的 next 值为 2，取 T[2] = ‘b’ 和其前一个字符 ‘b’ 相比较，相等，所以结束。‘a’ 对应的 next 值为：2 (前一个字符 ‘b’ 的 next 值) + 1 = 3 ；

模式串T为： “abcabac”
next数组(下标从1开始)：011123
第七个字符 ‘c’ ：由于前一个字符 ‘a’ 的 next 值为 3 ，取 T[3] = ‘c’ 和其前一个字符 ‘a’ 相比较，不相等，继续；由于 next[3] = 1 ，所以取 T[1] = ‘a’ 和其前一个字符 ‘a’ 比较，相等，结束。‘a’ 对应的 next 值为：1 ( next[3] 的值) + 1 = 2 ；

模式串T为： “abcabac”
next数组(下标从1开始)：0111232

---

三、遍历过程

next 数组得到之后，如果到哪一个字符匹配失败，i 指针不变，将 j 指针指到 next 数组所指示的字符处。

---

四、两个说明

1. 快速模式匹配算法仅在 模式与主串之间存在许多“部分匹配” 的情况下，才显得比朴素匹配算法快得多。
2. 快速模式匹配的最大特点是指示目标串的指针不需要回溯，在整个匹配过程中，对目标串仅须从头至尾扫描一遍，这对处理 从外设输入的庞大文件 很有效，可以边读入边匹配，而无须回头重读。

---

参考链接

1. KMP算法(快速模式匹配算法)详解以及C语言实现