KMP算法与Next数组

KMP算法

KMP算法的核心：是考虑到字串本身有重复字符，那么一旦出现匹配错误，就可以将子串右移到子串后边的第一个重复字符所在的位置，重新开始跟主串进行匹配。

KMP算法里的next数组，本质上是由子串中的字符重复数，进行了简单变形而得到的。

具体算法的思路如下

① 先计算子串后边的字符，有多少是与子串前缀重复的，将数量记录成数组repeat。

  假设子串为Word，当前子串的字符w的下标为j（即w = Word[j]），子串的当前字符要去与子串的前缀做比较：当前与子串前缀对比的思路→当前字符的重复数，建立在前个字符重复数的基础上。

• 若前个字符与前缀不匹配（即repeat[j-1]=0），则当前字符w要与子串首字符比较（即Word[j]和Word[0]比较）

  

• 若当前字符与前缀的第0位字符相同（即Word[j]=Word[0]），则令repeat[j]=1，表示当前字符与前缀的第0位匹配上了

• 若当前字符与前缀的第0位字符不相同（即Word[j]≠Word[0]），则令repeat[j]=0，表示当前字符与子串前缀无法匹配

• 若前个字符与前缀已匹配（即repeat[j-1]=k，且k≠0，表示当前字符w的前边，已经有k个与前缀对应匹配的字符），

  

  • 则当前字符w要与子串的第repeat[j-1]位做比较（即Word[j]和Word[repeat[j-1]]比较）

    • 若当前字符与前缀的第repeat[j-1]位字符相同（即Word[j]=Word[repeat[j-1]]），则令repeat[j]=repeat[j-1]+1，表示当前字符与前缀的第repeat[j-1]位匹配上了

    • 若当前字符与前缀的第repeat[j-1]位字符不相同（即Word[j]≠Word[repeat[j-1]]），表示当前字符与前缀的第repeat[j-1]位无法匹配，则令当前字符重新与子串前缀的第0位，重新开始比较，即（即Word[j]和Word[0]比较）

      • 若Word[j]≠Word[0]，则令repeat[j]=0

      • 若Word[j]=Word[0]，则令repeat[j]=1

如上图所示，在将主串与子串进行对比时，若第j位字符匹配不成功，（表示：前0~j-1位字符均已匹配成功，例如j=5，则子串中的Word[0\1\2\3\4]，均与主串匹配成功，但Word[5]=D与主串匹配失败）

这时，应该将子串右移，直到子串的前缀移动到子串本身与前缀匹配的位置。

经过移动后，子串前缀AB就能来到冲突位之前，并且保证冲突位前的字符均与主串匹配上了，这样子串的j位就从5变为2，即Word[j]=Word[2]=C，由子串中的第2位C，继续与主串进行比较。

这里，子串要移动的下标位置j和repeat重复数，有个很巧妙的关系：j = repeat[j-1]，也就是冲突位 j 的值，应变为前一位字符的repeat值。

（因为repeat[4]=2，子串当前冲突字符的前个字符的repeat[4]=2值，表示与前缀相同的字符长度为2，但下标是从0开始的，所以实际上repeat值，表示第0~repeat[j-1]位，即第0、1位的前缀都能匹配到冲突位之前的字符，那冲突位只要变为前缀的第repeat[j-1]位，即子串的第2位，Word[2]开始，继续与主串继续做比较）

Next数组

但是，考虑到获取冲突位的前一个字符的repeat值比较麻烦，因此一般可以直接把记录重复数的repeat数组，直接向右移动1位，变为next数组，用来表示当前字符发生冲突的时候，应将子串前边的第几位字符移到当前冲突位（即子串右移之后，当前冲突位变成子串的第几位下标），继续与主串进行比较。

初步得到的next数组，就可以表示，当冲突位j=5与主串冲突时，令j=next[j]，即可令子串的C，与主串开始匹配（而此时C前的子串前缀AB，恰好与D前的AB相同，所以子串移动后，冲突位前的AB俩字符仍然保持不冲突）

但这时仍然要思考：如果子串移动后，原本子串冲突位的字符，仍然与移动后子串到达冲突位的字符，是一样的字符（如下图冲突位j=6时，将j=next[j]=2，但当j=2后，第2位字符F，仍然与主串发生冲突）,应该怎么办？

应该继续向前回溯递归：即继续令j = next[j]，直到子串移动后的冲突位的新字符，与主串相同，即Word[j]=Main[i]，或者是已经回溯到子串的第0位字符为止仍冲突（即Word[j=0]≠Main[i]，再回溯j = next[j]=next[0]=-1，表示已经回溯到子串的第0位字符）

• 若子串移动后的冲突位的新字符，与主串相同Word[j]=Main[i]，则子串Word与主串Main应匹配下一位，即当Main[i]=Word[j]时，令i++,j++

• 已经回溯到子串的第0位字符为止仍冲突（即Word[j=0]≠Main[i]，再回溯j = next[j]=next[0]=-1，表示已经回溯到子串的第-1位字符，无字符），则子串Word与主串Main应匹配下一位，即当j=-1时，令i++,j++

因此可见，无论是Word[j]=Main[i]，还是j=-1，下一步的操作都是令i++,j++