一、创作背景
1. 由D.E.Knuth 、 J.H.Morris 、V.R.Pratt 共同对 BF 算法提出的改进算法;
2. KMP 算法消除了 BF 算法主串 S 指针 i 回溯的情况;
3. 改进后算法的时间复杂度为 O(m+n)。
二、算法分析
主串 | a | a | b | a | a | b | a | a | f |
---|---|---|---|---|---|---|---|---|---|
子串 | a | a | b | a | a | f |
对子串而言:
- 前缀:不包含尾字母的子串(a、aa、aab、aaba、aabaa)
- 后缀:不包含首字母的子串(f、af、aaf、baaf、abaaf)
- 最长相等前后缀:
a aa aab aaba aabaa aabaaf 0 1 0 1 2 0 -
前缀表:构成最长相等前后缀的数字序列(0、1、0、1、2、0)
-
前缀表是用来回退的,它记录了模式串与主串(文本串)不匹配的时候,模式串应该从哪里开始重新匹配。
-
使用前缀匹配过程:
数组下标 | 0 | 1 | 2 | 3 | 4 | 5 |
子串 | a | a | b | a | a | f |
前缀表 | 0 | 1 | 0 | 1 | 2 | 0 |
1. 主串和子串分别从头开始匹配,
2. 当第一轮匹配到 f 时发现不匹配,这时,主串指针保持不动,子串指针向前移至 不匹配字符 前 的 最长相等前后缀 的前缀之后(即 b 处),恰好是子串数组下标为 2 的位置,
3. 然后,从指针指向的位置继续向后匹配,直至结束。
在实现 KMP 算法过程中,通常使用 next[ ] 存放前缀表。
三、代码实现
1.构造 next[ ]
定义一个函数 getNext 来构建next[ ],函数参数为指向next数组的指针,和子串。代码如下:
void getNext(int* next, const string& s)
构造next数组其实就是计算子串s,前缀表的过程。 主要有如下三步:
1. 初始化
定义两个指针 i 和 j,j 指向前缀末尾位置,i指向后缀末尾位置。
然后对next[ ]进行初始化赋值,如下:
int j = -1;
next[0] = j;
2. 处理前后缀不相同的情况
因为j初始化为 -1,那么 i 就从1开始,进行s[i] 与 s[j+1]的比较。
所以遍历模式串s的循环下标i 要从 1开始,代码如下:
for(int i = 1; i < s.size(); i++) {
如果 s[i] 与 s[j+1]不相同,也就是遇到 前后缀末尾不相同的情况,就要向前回退。
怎么回退呢?
next[j]就是记录着j(包括j)之前的子串的相同前后缀的长度。
那么 s[i] 与 s[j+1] 不相同,就要找 j+1前一个元素在next数组里的值(就是next[j])。
所以,处理前后缀不相同的情况代码如下:
3. 处理前后缀相同的情况
如果s[i] 与 s[j + 1] 相同,那么就同时向后移动i 和j 说明找到了相同的前后缀,同时还要将j(前缀的长度)赋给next[i], 因为next[i]要记录相同前后缀的长度。
代码如下:
if (s[i] == s[j + 1]) { // 找到相同的前后缀
j++;
}
next[i] = j;
最后整体构建next数组的函数代码如下:
void getNext(int* next, const string& s){
int j = -1;
next[0] = j;
for(int i = 1; i < s.size(); i++) { // 注意i从1开始
while (j >= 0 && s[i] != s[j + 1]) { // 前后缀不相同了
j = next[j]; // 向前回退
}
if (s[i] == s[j + 1]) { // 找到相同的前后缀
j++;
}
next[i] = j; // 将j(前缀的长度)赋给next[i]
}
}