Day09、字符串part02

KMP算法

什么是KMP

• KMP算法一种改进的字符串的模式匹配算法，是D.E.Knuth、V.R.Pratt、J.H.Morris于1977年联合发表，所以取了三位学者名字的首字母。所以叫做KMP。

什么是字符串的模式匹配？

• 给定两个串S=“s1s2s3 …sn”和T=“t1t2t3…tn”，在主串S中寻找子串T的过程叫做模式匹配，T称为模式。
  举一个例子：要在文本串：aabaabaafa中查找是否出现过一个模式串：aabaaf。
  正常的暴力思路就是直接将文本串从头开始比较，如果不匹配，则从文本串的第二个字符开始比较模式串，后面以此类推。此时的时间复杂度为O(n × m)。
  那么KMP算法就可以让我们每次遍历不从头开始遍历。
  KMP算法的时间复杂度是O(n+m)的。

什么是前缀表

• 前缀表就是KMP算法的精髓所在。
• 还是以上门提到的例子为例。使用前缀表，就不会从头匹配，而是从上次已经匹配的内容开始匹配，找到了模式串中第三个字符b继续开始匹配。
• 那么，前缀表是如何记录的呢？
  首先要知道前缀表的任务是当前位置匹配失败，找到之前已经匹配上的位置，再重新匹配，此也意味着在某个字符失配时，前缀表会告诉你下一步匹配中，模式串应该跳到哪个位置。
• 那么什么是前缀表
  记录下标i之前（包括i）的字符串中，有多大长度的相同前缀后缀。
  - 首先，什么是"前缀"和"后缀"。 "前缀"指除了最后一个字符以外，一个字符串的全部头部组合；"后缀"指除了第一个字符以外，一个字符串的全部尾部组合。
  - 前缀表就是记录字符串中有多大长度的相同前缀后缀。
  以"aabaaf"为例，

"a"的前缀和后缀都为空集，共有元素的长度为0；
"aa"的前缀为[a]，后缀为[a]，最长共有元素为[a]，长度为1；
"aab"的前缀为[a, ab]，后缀为[ab, b]，共有元素的长度为0；
"aaba"的前缀为[a, aa, aab]，后缀为[aba, ba, a]，最长共有元素为[a]，长度为1；
"aabaa"的前缀为[a, aa, aab, aaba]，后缀为[abaa, baa, aa, a]，最长共有元素为[aa]，长度为2；
"aabaaf"的前缀为[a, aa, aab, aaba, aabaa]，后缀为[abaaf, baaf, aaf, af, f]，共有元素的长度为0；
那么我们这时就可以得到前缀表为[0，1，0，1，2，0]

看一下如何利用 前缀表找到 当字符不匹配的时候应该指针应该移动的位置。如动画所示：

找到的不匹配的位置， 那么此时我们要看它的前一个字符的前缀表的数值是多少。
为什么要前一个字符的前缀表的数值呢，因为要找前面字符串的最长相同的前缀和后缀。
所以要看前一位的 前缀表的数值。
前一个字符的前缀表的数值是2， 所以把下标移动到下标2的位置继续比配。 可以再反复看一下上面的动画。
最后就在文本串中找到了和模式串匹配的子串了。

前缀表与next数组
很多KMP算法的实现都是使用next数组来做回退操作，那么next数组与前缀表有什么关系呢？
next数组就可以是前缀表，但是很多实现都是把前缀表统一减一（右移一位，初始位置为-1）之后作为next数组。
拿上面得到的前缀表[0，1，0，1，2，0]为例，next数组(前缀表统一减一后得到)[-1，0，-1，0，1，-1]。
为什么这么做呢，其实也是很多文章视频没有解释清楚的地方。
其实这并不涉及到KMP的原理，而是具体实现，next数组既可以就是前缀表，也可以是前缀表统一减一（右移一位，初始位置为-1）。

使用next数组来匹配
以下我们以前缀表统一减一之后的next数组来做演示。
有了next数组，就可以根据next数组来 匹配文本串s，和模式串t了。
注意next数组是新前缀表（旧前缀表统一减一了）。
next数组:[-1，0，-1，0，1，-1]
匹配过程动画如下：

构造next数组
原理知道之后，那么要用KMP算法，就要得到我们的next数组，那么我们定义一个函数getNext来构建next数组。 代码如下：

    public void getNext(int[] next, String s){
    	//初始化：
		//定义两个指针i和j，j指向前缀末尾位置，i指向后缀末尾位置。
		//j 为什么要初始化为 -1呢，因为之前说过 前缀表要统一减一的操作仅仅是其中的一种实现，我们这里选择j初始化为-1，
        int j = -1;
        next[0] = j;
        
        for (int i = 1; i < s.length(); i++){
            //处理前后缀不相同的情况
            while(j >= 0 && s.charAt(i) != s.charAt(j+1)){
                j=next[j];// 向前回退
            }

			//处理前后缀相同的情况
            if(s.charAt(i) == s.charAt(j+1)){
                j++;
            }
            next[i] = j;// 将j（前缀的长度）赋给next[i]
        }
    }

代码构造next数组的逻辑流程动画如下：

得到了next数组之后，就要用这个来做匹配了。

使用next数组来做匹配
代码如下：
最后放一道leetcode的题目，来加深理解。

int j = -1; // 因为next数组里记录的起始位置为-1
for (int i = 0; i < s.length(); i++) { // 注意i就从0开始
    while(j >= 0 && s[i] != t[j + 1]) { // 不匹配
        j = next[j]; // j 寻找之前匹配的位置
    }
    if (s[i] == t[j + 1]) { // 匹配，j和i同时向后移动
        j++; // i的增加在for循环里
    }
    if (j == (t.length() - 1) ) { // 如果j指向了模式串t的末尾，文本串s里出现了模式串t
        return (i - t.length() + 1);
    }
}

28. 找出字符串中第一个匹配项的下标

题目链接

28. 找出字符串中第一个匹配项的下标

题目描述

给你两个字符串 haystack 和 needle ，请你在 haystack 字符串中找出 needle 字符串的第一个匹配项的下标（下标从 0 开始）。如果 needle 不是 haystack 的一部分，则返回 -1 。

思路

KMP算法

实现代码

class Solution {
    public void getNext(int[] next, String s){
        int j = -1;
        next[0] = j;
        for (int i = 1; i < s.length(); i++){
            while(j >= 0 && s.charAt(i) != s.charAt(j+1)){
                j=next[j];
            }

            if(s.charAt(i) == s.charAt(j+1)){
                j++;
            }
            next[i] = j;
        }
    }
    public int strStr(String haystack, String needle) {
        if(needle.length()==0){
            return 0;
        }

        int[] next = new int[needle.length()];
        getNext(next, needle);
        int j = -1;
        for(int i = 0; i < haystack.length(); i++){
            while(j>=0 && haystack.charAt(i) != needle.charAt(j+1)){
                j = next[j];
            }
            if(haystack.charAt(i) == needle.charAt(j+1)){
                j++;
            }
            if(j == needle.length()-1){
                return (i-needle.length()+1);
            }
        }

        return -1;
    }
}