KMP算法,即从文本串S[]中找到与模式串P[]匹配的最前位置。
平时利用的暴力匹配算法,需要对S[]进行遍历,先找到S[]中与P[0]相同的元素,再看S[]之后的元素与P[0]之后的所有元素是否完全匹配。如果不匹配,则回溯到与P[0]对应的S[]元素的下一位继续进行判断,这种把元素察看回溯到最前面再与P[0]进行判断的方法滥用了一部分算法。
KMP算法就是对这一回溯过程进行优化,P[]位置不变,S[]右移一段距离,此时,在该元素之前的S[]中的元素与P[]中的元素已经相等。
利用暴力匹配算法回溯的情况:
利用KMP算法右移的情况:
明显尤其是对于较长模式串运算时,KMP节省了大量的算法。
KMP!!!
如何计算呢?
这里就涉及到KMP算法中一个特殊的next数组。
next数组即寻找前缀和后缀最长的公共元素后,对模式串里的所有元素标记对应的数字。
对于后缀ab中的a,与前缀第一元素a对应,a标记为1
对于后缀ab中的ab,与前缀中的ab对应,b标记为2
对于后缀bab中第一个b,没有前缀对应,标记为0
同样,第一个a标记为0
(后缀和前缀中的匹配都是从左往右看的)
转换成next数组
所有值后移一位,初值赋为-1
对于此例子:
有:
模式串的next数组为:
使用
对于D,next对应的数是2,模式串长度为7,D在串中的位置是P[6],则右移6-2=4个单位。即j-next[j]。
此时该元素之前的元素已经一一对应,只需检查之后的元素是否匹配即可。
C不匹配,右移2-0=2位
A再次失配,右移0-(-1)=1位
D失配,右移6-2=4位
匹配成功,过程结束。
next数组获取代码
通过递推求得next数组,最后得到式子如下
void GetNext(char* p,int next[])
{
int pLen = strlen(p);
next[0] = -1;
int k = -1;
int j = 0;
while (j < pLen - 1)
{
//p[k]表示前缀,p[j]表示后缀
if (k == -1 || p[j] == p[k])
{
++k;
++j;
next[j] = k;
}
else
{
k = next[k];
}
}
}
得到next数组:
next数组代码优化
对于此种情况:
因为元素b位置右移后依然是元素b,必然失配:
优化代码如下:
//优化过后的next 数组求法
void GetNextval(char* p, int next[])
{
int pLen = strlen(p);
next[0] = -1;
int k = -1;
int j = 0;
while (j < pLen - 1)
{
//p[k]表示前缀,p[j]表示后缀
if (k == -1 || p[j] == p[k])
{
++j;
++k;
//较之前next数组求法,改动在下面4行
if (p[j] != p[k])
next[j] = k; //之前只有这一行
else
//因为不能出现p[j] = p[ next[j ]],所以当出现时需要继续递归,k = next[k] = next[next[k]]
next[j] = next[k];
}
else
{
k = next[k];
}
}
}
对于优化后的next数组可以发现一点:如果模式串的后缀跟前缀相同,那么它们的next值也是相同的。例如abcabc,前后缀都为abc,优化后的next数组为-1 0 0 -1 0 0.
int KmpSearch(char* s, char* p)
{
int i = 0;
int j = 0;
int sLen = strlen(s);
int pLen = strlen(p);
while (i < sLen && j < pLen)
{
//①如果j = -1,或者当前字符匹配成功(即S[i] == P[j]),都令i++,j++
if (j == -1 || s[i] == p[j])
{
i++;
j++;
}
else
{
//②如果j != -1,且当前字符匹配失败(即S[i] != P[j]),则令 i 不变,j = next[j]
//next[j]即为j所对应的next值
j = next[j];
}
}
if (j == pLen)
return i - j;
else
return -1;
}
KMP时间复杂度
文本串长度为n
模式串长度为m
匹配过程的时间复杂度为O(n),算上计算next的O(m)时间
KMP的整体时间复杂度为O(m + n)
扩展:BM算法,Sunday算法。
举个栗子
void MoveNext(int *next, int size) {
for (int i = size - 1; i > 0; i--) {
next[i] = next[i - 1];
}
next[0] = -1;
}
// 通过计算返回字串T的next数组
void GetNext(char *b, int *next) {
int pre = 0; //前缀
int suf = 1; //后缀
int m = strlen(b);
next[0] = 0;
while (suf < m) {
if (b[suf] == b[pre]) {
pre++;
next[suf] = pre;
suf++;
} else {
if (pre > 0)
pre = next[pre - 1];
else {
next[suf] = 0;
suf++;
}
}
}
MoveNext(next, m);
}
int strStr(char *a, char *b) {
if (strlen(b) == 0) return 0;
int n = strlen(a);
int m = strlen(b);
int *next = (int *)malloc(sizeof(int) * m);
GetNext(b, next);
int idx_a = 0; // a下标
int idx_b = 0; // b下标
while (idx_a < n) {
if (idx_b == m - 1 && a[idx_a] == b[idx_b])
return idx_a - idx_b;
if (a[idx_a] == b[idx_b]) {
idx_b++;
idx_a++;
} else {
idx_b = next[idx_b];
if (idx_b == -1) {
idx_b++;
idx_a++;
}
}
}
return -1;
}