KMP模式匹配算法

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

1. 当 j=1 时，next[1]=0。
2. 当 j=2 时，j 由1到 j-1 只有字符’a’，属于其他情况，next[2]=1。
3. 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。
4. 当 j=4，5，6 时，同上。

所以nest[j]为 011111。

例二 T=“abcabx”

123456

ab ca bx

011123

1. 当 j=1 时，next[1]=0。
2. 当 j=2 时，j 由1到 j-1 只有字符’a’，属于其他情况，next[2]=1。
3. 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。
4. 当 j=4时，同上，next[4]=1。
5. 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。
6. 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

1. 当 j=1 时，next[1]=0。
2. 当 j=2 时，j 由1到 j-1 只有字符’a’，属于其他情况，next[2]=1。
3. 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。
4. 当 j=5时，j 由1到 j-1 字符串是"aba"，前缀"