4.2KMP算法

KMP算法

KMP算法是用来解决字符串匹配的问题。

*如：求文本串aabaabaaf中是否出现过模式串aabaaf。设遍历文本串时间复杂度为O(n),遍历模式串时间复杂度为O(m)。*

• 显然，暴力法求解是两层for循环，时间复杂度为O(m × n)。
• 下面介绍的KMP算法时间复杂度将会大大提高，为O(m + n)。

1.前缀表

①前缀和后缀

• 前缀：包含首字母，不包含尾字母的所有子串。
• 后缀：包含尾字母，不包含首字母的所有字串。

如：aabaaf

前缀包括：a、 aa、 aab、aaba、 aabaa五个子串。

后缀包括:f、 af、 aaf、 baaf、 abaaf五个子串。

②最长相等前后缀

如：

字符串a 最长相等前后缀为0

字符串aa 最长相等前后缀为1

字符串aab 最长相等前后缀为0

字符串aaba 最长相等前后缀为1

字符串aabaa 最长相等前后缀为2

字符串aabaaf 最长相等前后缀为0

③前缀表

前缀表就是记录字符串下标i之前（包括i）的字符串中，有多大长度的相同前缀后缀。

前缀表是用来回退的，它记录了模式串与主串不匹配的时候，模式串应该从哪里开始重新匹配。 即，当某个字符匹配失败时，前缀表告诉你下一步匹配时，模式串应该跳到哪个位置。

例：{0, 1, 0, 1, 2, 0}就是字符串aabaaf的前缀表。

④使用前缀表匹配的过程

如：文本串为aabaacaabaaf， 模式串为aabaaf。

1. 文本串的c和模式串的f字符出现不匹配。我们要寻找模式串不匹配位置前面的子串的最长相等前后缀是2，模式串重新回到下标为2的位置开始匹配（2代表相等前后缀的长度，我们要跳到前缀的后面位置开始重新与文本串的字符进行匹配，而这个位置的下标正好等于前缀的长度）。

   

2. 文本串c和模式串的b字符也出现不匹配。同上，寻找模式串不匹配位置前面的子串的最长相等前后缀是1，模式串重新回到下标为1的位置开始匹配。

   

3. 文本串c和模式串的字符a也出现不匹配。寻找模式串不匹配位置前面的子串的最长相等前后缀是0，即从头开始匹配。

   

4. 文本串c和模式串的首字符a也不匹配，文本串继续后移，找到了匹配的字符。

   

2.代码实现

①next数组

next数组是前缀表的代码实现，不涉及KMP的原理，next数组一般有2种表示方法：

以文本串aabaabaaf，模式串aabaaf为例。

• 前缀表作为next数组。 当遇见冲突时，返回到冲突前一位前缀表对应的值所对应的下标。

aabaaf的next数组为：[0 1 0 1 2 0],模式串最后一个元素f匹配失败，则模式串返回f前一位前缀表所对应的值即2所对应的下标，重新开始匹配。

• 前缀表整体右移一位，第一个元素赋值为-1。 遇见冲突时，直接返回next数组值对应的小标。

aabaaf的next数组为：[-1 0 1 0 1 2],模式串最后一个元素f匹配失败，模式串返回f所在next值即2所对应的下标，重新开始匹配。

②next数组实现代码（前缀表直接作为next数组）

求next数组的核心思想是——模式串与自身做匹配。 我们定义指针i和j。

• 指针i：指向后缀末尾位置
• 指针j：指向前缀末尾位置，也代表i之前的子串的最长相等前后缀长度。

求next数组的代码如下：

void getNext(int *next, const string &s) {
    int j = 0;
    next[0] = 0;
    for (int i = 1; i < s.size(); ++i) {
        //前缀末尾和后缀末尾不匹配的情况
        while (j > 0 && s[i] != s[j]) {
            j = next[j - 1];
        }
        if (s[i] == s[j]) {
            ++j;
        }
        next[i] = j;
    }
}