kmp算法介绍与代码实现

KMP算法介绍

1) KMP 是一个解决模式串在文本串是否出现过，如果出现过，最早出现的位置的经典算法

2) Knuth-Morris-Pratt 字符串查找算法 ，简称为 “ KMP 算法”，常用于在一个文本串 S 内查找一个模式串 P 的出现位置，这个算法由 Donald Knuth 、 Vaughan Pratt 、 James H. Morris 三人于 1977 年联合发表，故取这 3 人的姓氏命名此算法 .

3) KMP 方法算法就利用之前判断过信息，通过一个 next 数组，保存模式串中前后最长公共子序列的长度，每次回溯时，通过 next 数组找到，前面匹配过的位置，省去了大量的计算时间

4) 参考资料： https://www.cnblogs.com/ZuoAndFutureGirl/p/9028287.html

 

KMP算法最佳应用-字符串匹配问题

字符串匹配问题：：

1) 有一个字符串 str1= "BBC ABCDAB ABCDABCDABDE" ，和一个子串 str2="ABCDABD"

2) 现在要判断 str1 是否含有 str2 , 如果存在，就返回第一次出现的位置 , 如果没有，则返回 -1

3) 要求：使用 KMP 算法完成判断，不能使用简单的暴力匹配算法 .

 

图解： 

 

举例来说，有一个字符串 Str1 = “BBC ABCDAB ABCDABCDABDE”，判断，里面是否包含另一个字符串 Str2 = “ABCDABD”？

1.首先，用Str1的第一个字符和Str2的第一个字符去比较，不符合，关键词向后移动一位

 

1. 重复第一步，还是不符合，再后移

 

 

1. 一直重复，直到Str1有一个字符与Str2的第一个字符符合为止

 

 

1. 接着比较字符串和搜索词的下一个字符，还是符合。

 

 

5.遇到Str1有一个字符与Str2对应的字符不符合。

 

6.这时候，想到的是继续遍历Str1的下一个字符，重复第1步。(其实是很不明智的，因为此时BCD已经比较过了，没有必要再做重复的工作，一个基本事实是，当空格与D不匹配时，你其实知道前面六个字符是”ABCDAB”。KMP 算法的想法是，设法利用这个已知信息，不要把”搜索位置”移回已经比较过的位置，继续把它向后移，这样就提高了效率。)

 

7.怎么做到把刚刚重复的步骤省略掉？可以对Str2计算出一张《部分匹配表》，这张表的产生在后面介绍

 

 

8.已知空格与D不匹配时，前面六个字符”ABCDAB”是匹配的。查表可知，最后一个匹配字符B对应的”部分匹配值”为2，因此按照下面的公式算出向后移动的位数：

移动位数 = 已匹配的字符数 - 对应的部分匹配值

因为 6 - 2 等于4，所以将搜索词向后移动 4 位。

 

 

9.因为空格与Ｃ不匹配，搜索词还要继续往后移。这时，已匹配的字符数为2（”AB”），对应的”部分匹配值”为0。所以，移动位数 = 2 - 0，结果为 2，于是将搜索词向后移 2 位。

 

 

10.因为空格与A不匹配，继续后移一位。

 

 

11.逐位比较，直到发现C与D不匹配。于是，移动位数 = 6 - 2，继续将搜索词向后移动 4 位。

 

12.逐位比较，直到搜索词的最后一位，发现完全匹配，于是搜索完成。如果还要继续搜索（即找出全部匹配），移动位数 = 7 - 0，再将搜索词向后移动 7 位，这里就不再重复了。

 

13.介绍《部分匹配表》怎么产生的

先介绍前缀，后缀是什么

 

“部分匹配值”就是”前缀”和”后缀”的最长的共有元素的长度。以”ABCDABD”为例，

－”A”的前缀和后缀都为空集，共有元素的长度为0；

－”AB”的前缀为[A]，后缀为[B]，共有元素的长度为0；

－”ABC”的前缀为[A, AB]，后缀为[BC, C]，共有元素的长度0；

－”ABCD”的前缀为[A, AB, ABC]，后缀为[BCD, CD, D]，共有元素的长度为0；

－”ABCDA”的前缀为[A, AB, ABC, ABCD]，后缀为[BCDA, CDA, DA, A]，共有元素为”A”，长度为1；

－”ABCDAB”的前缀为[A, AB, ABC, ABCD, ABCDA]，后缀为[BCDAB, CDAB, DAB, AB, B]，共有元素为”AB”，长度为2；

－”ABCDABD”的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB]，后缀为[BCDABD, CDABD, DABD, ABD, BD, D]，共有元素的长度为0。

 

14.”部分匹配”的实质是，有时候，字符串头部和尾部会有重复。比如，”ABCDAB”之中有两个”AB”，那么它的”部分匹配值”就是2（”AB”的长度）。搜索词移动的时候，第一个”AB”向后移动 4 位（字符串长度-部分匹配值），就可以来到第二个”AB”的位置。

 

到此KMP算法思想分析完毕!

代码实现

 

package com.liu.kmp;

import java.util.Arrays;

public class Kmp {
	public static void main(String[] args) {
		// TODO Auto-generated method stub
				String str1 = "BBC ABCDAB ABCDABCDABDE";
				String str2 = "ABCDABD";
				//String str2 = "BBC";
				
				int[] next = new int [str2.length()];
				Next(next,"ABCDABD"); //[0,0,0,0, 1, 2, 0]
				System.out.println("next=" + Arrays.toString(next));
				
				int index = Kmpsearch(str1, str2, next);
				System.out.println("index=" + index); // 15了
	}
	//写出kmp搜索算法
		/**
		 * 
		 * @param str1 源字符串
		 * @param str2 子串
		 * @param next 部分匹配表, 是子串对应的部分匹配表
		 * @return 如果是-1就是没有匹配到，否则返回第一个匹配的位置
		 */
	public static int  Kmpsearch(String str1,String str2,int next[]) {
		char [] s1=str1.toCharArray();
		char [] s2=str2.toCharArray();
		
		//遍历 
		for (int i = 1,j=0; i < s1.length; i++) {
			//需要处理 str1.charAt(i) ！= str2.charAt(j), 去调整j的大小
			//KMP算法核心点, 可以验证...
			while (j > 0 && s2[j] != s1[i]) {
				j = next[j - 1];
			}
			if(s2[j]==s1[i]) {
				j++;
			}
			if(j == str2.length()) {//找到了 // j = 3 i 
				return i - j + 1;
			}
		}
		return -1;
	}
	
	//获取到一个字符串(子串) 的部分匹配值表
	public static void Next(int next[], String patten) {
		//创建一个next 数组保存部分匹配值
		char[] p = patten.toCharArray();
		next[0]=0; //如果字符串是长度为1 部分匹配值就是0
		for (int i = 1, j = 0; i < patten.length(); i++) {
			//当dest.charAt(i) != dest.charAt(j) ，我们需要从next[j-1]获取新的j
			//直到我们发现 有  dest.charAt(i) == dest.charAt(j)成立才退出
			//这时kmp算法的核心点
			while (j > 0 && p[j] != p[i]) {
				j = next[j - 1];
			}
			//当dest.charAt(i) == dest.charAt(j) 满足时，部分匹配值就是+1
			if(p[j]==p[i]) {
				j++;
			}
			next[i]=j;
		}
	}
}