KMP模式匹配算法
KMP算法
第一个例子,S=“abcdefgab”,T=“abcdex”。
朴素的模式匹配过程,再第一步中,主串S与模式串T比较了前6位都相等,第七位不相等,然后模式串指针 i 需要回溯到1重新开始。
这样做显然是非常浪费时间的,因为我们已经知道S的1-5与T的1-5位置的字符是匹配的,并且T的第一个字符’a’与其自身的2-5位"bcde"都不相等,那么’a’也就没有必要与S的2-5位比较(上面划线),也就是说,朴素算法中的②③④⑤步骤都是多余的,可以跳过。第⑥布是必要的,因为我们不知道T的第1位’a’与S的第六位之间的关系,所以我们在①中匹配失败之后,跳过②③④⑤,直接进行⑥。
第二个例子,S=“abcabcabc”,T=“abcabx”。
在①中,可以看到S的1-5与T的1-5位置的字符是匹配的,并且S的第一位’a’与其自身的2,3位都不匹配,步骤②③可以跳过。S的第1位’a’与其自身的4位匹配,其自身第4位刚刚已经知道与T的第4位匹配,所以来到④。
再次观察之后我们发现,S的第1位与其第4位相同,S的第2位与第5位相同,并且S的第5、6位已经知道与T的5,6位匹配,所以④⑤步骤也可以跳过,直接来到⑥。
也就是说,对于模式串S中有与其自身首字符相等的字符,也可以省略一部分不必要的步骤。
总的来说,我们省略的是模式串指针 i 的回溯过程。既然 i 的值不用回溯,那么需要改变的就是 j 的值,看一下例子2中的⑥,j 变化的与主串没什么关系,主要取决于模式串T的结构中当前字符之前的串的前后缀的相似度。
next数组
把T串中各个位置的 j 值的变化定义位一个数组next,next的长度是T的长度。
next数组值推导
例一 T=“abcdex”
123456
ab cd ex
011111
- 当 j=1 时,next[1]=0。
- 当 j=2 时,j 由1到 j-1 只有字符’a’,属于其他情况,next[2]=1。
- 当 j=3时,j 由1到 j-1 字符串是"ab",‘a’ != ‘b’ 属于其他情况,next[3]=1。
- 当 j=4,5,6 时,同上。
所以nest[j]为 011111。
例二 T=“abcabx”
123456
ab ca bx
011123
- 当 j=1 时,next[1]=0。
- 当 j=2 时,j 由1到 j-1 只有字符’a’,属于其他情况,next[2]=1。
- 当 j=3时,j 由1到 j-1 字符串是"ab",‘a’ != ‘b’ 属于其他情况,next[3]=1。
- 当 j=4时,同上,next[4]=1。
- 当 j=5时,j 由1到 j-1 字符串是"abca",前缀"a"与后缀"a"相同,next[5]=2。
- 当 j=6时,j 由1到 j-1 字符串是"abcab",前缀"ab"与后缀"ab"相同,next[6]=3。
所以nest[j]为 011123。
前缀与后缀相同长度为k,则next值为k+1。
例三 T=“ababaaaba”
123456789
ab ab aaaba
011234223
- 当 j=1 时,next[1]=0。
- 当 j=2 时,j 由1到 j-1 只有字符’a’,属于其他情况,next[2]=1。
- 当 j=3时,j 由1到 j-1 字符串是"ab",‘a’ != ‘b’ 属于其他情况,next[3]=1。
- 当 j=5时,j 由1到 j-1 字符串是"aba",前缀"