KMP字符串匹配算法

实例

• 对于文本串 aabaabaaf ，模式串 aabaaf 的匹配问题。

字符串匹配基本概念

• 前缀：包含首字母，不包含最后一位字母的所有子串
• 后缀：包含尾字母，不包含首字母的所有子串
  • 对于子串 aabaaf ：
    • 前缀为：a, aa, aab, aaba, aabaa;
    • 后缀为：f, af, aaf, baaf, abaaf.
• 最长相等前后缀长度：
  • a：0
  • aa：1
  • aab：0
  • aaba：1
  • aabaa：2
  • aabaaf：0
  • 由此可知，模式串 aabaaf 的前缀表为（0，1，0，1，2，0），也是next数组。
• next数组：告诉我们发生冲突时，要回退到哪里。
  • next数组的三种方式：
    • 前缀表原封不动。（本篇文章采用此类next数组讲解：即前缀表与next数组相同）
    • 将前缀表整体右移。
    • 将前缀表整体减一。

使用next数组匹配

• 索引值：｜0 ｜1｜2｜3｜4｜5｜6｜7｜8｜
• 文本串：｜a ｜a｜b｜a｜a｜b｜a ｜a ｜f｜
• 模式串：｜a ｜a｜b｜a｜a｜f ｜
• 前缀表：｜0 ｜1｜0｜1｜2｜0 ｜
• 索引从 0 (a)开始匹配，文本串和模式串连续匹配索引 1(a)， 2(b)，3(a)，4(a)，一直到索引为 5 的位置，文本串为b，模式串为f，出现不匹配。
• 当索引 j 冲突出现时，模式串索引应回退到 （前缀表）next[j - 1] 的位置：即模式串从索引为2处重新匹配。此时，文本串索引仍位于冲突处，即为5.
• 从文本串索引5，匹配模式串索引2，依次向后匹配，匹配完成。即在文本串中找到模式串。

如何用代码求 next 数组

• 基本步骤
  • 初始化next [ 0 ] = 0，j = 0
  • 处理前后缀不相同的情况
  • 处理前后缀相同的情况
  • 更新 next 数组
• 代码 i，j 含义
  • i：指向后缀末尾位置。
  • j：指向前缀末尾位置。同时也代表了 i 之前（包括 i ），子串最长相等前后缀长度。

void getNext (int* next, const string& s){
    
    //初始化
    next[0] = 0;
    int j = 0;

    for(int i = 1;i < s.size(); i++){

        // 处理前后缀不相同的情况
        while(j > 0 && s[i] != s[j]) { // while：连续回退；j > 0 ：回退起点
            j = next[j - 1]; // 当前后缀末尾不匹配时，j向前会退：前一位next数组所对应的值就是它要回退的下标
        }

        // 处理前后缀相同的情况
        if(s[i] == s[j]) {
            j++; // 最长相等前后缀长度，相等则+1
        }

        // 更新next数组
        next[i] = j; 

    }
}