算法训练营day9_kmp

一、KMP算法

参考链接 阮一峰老师 https://www.ruanyifeng.com/blog/2013/05/Knuth%E2%80%93Morris%E2%80%93Pratt_algorithm.html

启发阮一峰老师的jakeboxer的文章(在上一个链接中也有该链接)http://jakeboxer.com/blog/2009/12/13/the-knuth-morris-pratt-algorithm-in-my-own-words/

1.kmp作用是什么？

当出现字符串不匹配时，可以记录一部分之前已经匹配的文本内容，利用这些信息避免从头再去做匹配。

2.关于kmp要了解的基础概念有哪些？

1. 文本串 & 模式串：在文本串中寻找是否出现了模式串
   • 例，aabaabaafa(文本串) 中寻找是否出现过 aabaaf(模式串)
2. 前缀 & 后缀
   • 前缀是指不包含最后一个字符的所有以第一个字符开头的连续子串。
   • 前缀，例，模式串abcd ->前缀：a,ab,abc
   • 后缀是指不包含第一个字符的所有以最后一个字符结尾的连续子串。
   • 后缀，模式串 abcd -> d,cd,bcd
   • 注意，前缀和后缀通常是针对模式串讨论的
3. 最长公共前后缀(长度)：Carl哥理解的 最长相等前后缀 更容易帮助理解该概念
   • 例，模式串aabaaf
     1. "子串"a，对应最长相等前后缀为0
     2. "子串"aa，对应~为1(前缀a，后缀a)
     3. "子串"aab，~为0(前缀a，aa；后缀b，ab)
     4. "子串"aaba，~为1(前缀a，aa，aab；后缀a，ba，aba)
     5. "子串"aabaa，~为2(前缀a，aa，aab，aaba；后缀a，aa，baa，abaa)
     6. "子串"aabaaf，~为0(前缀a，aa，aab，aaba，aabaa；后缀f，af，aaf，baaf，abaaf)
4. **前缀表，**在jakeboxer的文章中有一个鄙人认为更合适的词，The Partial Match Table(部分匹配表)

   • “子串” + 对应最长公共前后缀(value) = 前缀表，结合下图

   • 

   • 可以看出模式串与前缀表对应位置的数字表示的就是：下标i之前（包括i）的字符串中，有多大长度的相同前缀后缀。

5. next数组
   1. next数组既可以是前缀表，也可以是前缀表统一减一；
   2. 只涉及具体代码实现，并不涉及kmp的原理

3.如何获取前缀表/next数组(代码实现)？

注：

1. 鄙人用i作为左指针，j作为右指针习惯了，将Carl哥的代码i，j变量更换了一下
2. 最长公共前后缀用 ~ 表示

构造next数组有三部分

这个人写的关于next数组的构建写的挺不错的28. 找出字符串中第一个匹配项的下标 - 力扣（LeetCode）

以下是本人基于参考链接的截图以及个人添加的一些注释

1. 通俗讲，next[j] 表示的就是一个字符串中，起始点为 0 ，长度为 j 的子串的最长公共前后缀的大小。(牢记牢记牢记)
2. 
3. 相等比较好理解，重点是不相等时 如何移动i来使 charAt(i) == charAt(j)呢？
4. 
5. 看到 i’ 时其实比较懵，对应代码是 (前缀表不减一 ：i = next[i - 1]) 或 (前缀表减一：i = next[i+1]，判断条件是 while(i >= 0 && s.charAt(j) != s.charAt**(i+1**)) ，相当于 i = next[i - 1])
6. 
7. 

方法一

// 方法一，减一
class Solution {
    public void getNext(int[] next, String s){
        int i = -1;
        next[0] = i;
        for (int j = 1; j < s.length(); j++){
            while(i >= 0 && s.charAt(j) != s.charAt(i+1)){
                i=next[i];
            }

            if(s.charAt(j) == s.charAt(i+1)){
                i++;
            }
            next[j] = i;
        }
    }
    public int strStr(String haystack, String needle) {
        if(needle.length()==0) return 0;
        int[] next = new int[needle.length()];
        getNext(next, needle);
        
        int i = -1;
        for(int j = 0; j < haystack.length(); j++){
            while(i>=0 && haystack.charAt(i+1) != needle.charAt(j)){
                i = next[i];
            }
            if(haystack.charAt(i+1) == needle.charAt(j)){
                i++;
            }
            if(i == needle.length()-1){
                return j - needle.length() + 1;
            }
        }

        return -1;
    }
}

方法二

class Solution {
    //前缀表（不减一）Java实现
    public int strStr(String haystack, String needle) {
        if (needle.length() == 0) return 0;
        int[] next = new int[needle.length()];
        getNext(next, needle);

        int i = 0;
        for (int j = 0; j < haystack.length(); j++) {
            while (i > 0 && needle.charAt(i) != haystack.charAt(j)) 
                i = next[i - 1];
            if (needle.charAt(i) == haystack.charAt(j)) 
                i++;
            if (i == needle.length()) 
                return j - needle.length() + 1;
        }
        return -1;

    }
    //双指针，i是左指针，j是右指针
    //j表示子串不断变长最后达到字符串末尾
    private void getNext(int[] next, String s) {
        int i = 0;
        next[0] = 0;
        for (int j = 1; j < s.length(); j++) {
            while (i > 0 && s.charAt(i) != s.charAt(j)) 
                i = next[i - 1]; //重置i到前一个位置的最长公共前缀位置
//1.i = 0 < 1、j = 1, 第一次遍历先执行下面的代码，如果i,j对应字符相同，左索引增加 i = 1, next[j] = 1; 表示~为1
            if (s.charAt(i) == s.charAt(j))
                i++;
            next[j] = i; 
        }
//2.i = 1, j = 2, 若i，j字符不相等 -> i=next[i-1]，即 将i重置为上一个字符的~的长度，while继续判断，直至相等进行if判断，或一直不等将i置为0；若i,j字符相等，则i++;无论相不相等，最后都会将i的值赋值给next[j]
    }
}

小结

4.如何使用前缀表？

参考Carl哥的结论如图https://programmercarl.com/0028.%E5%AE%9E%E7%8E%B0strStr.html#%E6%80%9D%E8%B7%AF

了解了原理，也就知道该如何操作

例，f 在文本串中匹配少一百，回退到索引为4的a，其最长公共前后缀长度为2，那么该模式串需要移动的长度为 (‘子串长度’ - next[i])(注意这里的) 5 - 2 = 3，移动3位

二、字符串总结

1. 关于字符串的题核心逻辑尽量少使用库函数，多参照leetCode答案，在书写代码的过程中体会原理及相关时间复杂度和空间复杂度
2. 字符串转成字符数组使用广泛
3. StringBuffer&StringBuilder是值得了解和掌握的可变"String类"

三、双指针

1. 双指针的种类
   1. 左右双指针：右旋转字符串，有序数组的平方…
   2. 快慢双指针：环形链表1,2；删除链表倒数第N个节点…
   3. 特殊左右指针：三数之和，四数之和…

24-04-11, 今天硬啃KMP消耗能量有点严重，之后再把next数组的构造过程写具体一点，然后把Boyer-Moore算法补充上去

---

四、比KMP更高效的算法 - Boyer–Moore算法

参考阮一峰老师的文章https://www.ruanyifeng.com/blog/2013/05/boyer-moore_string_search_algorithm.html

1.广泛应用，各种文本编译器的Ctrl + F 查找，大多使用Boyer-Moore算法

2.构思巧妙，容易理解

3.1需要理解的基础概念

总结

1. 坏字符(bad character)，即不匹配的字符

   1. 匹配到坏字符时移动规则，后移位数 = 坏字符的位置 - 其在搜索词中的上一次出现位置

      1. 如果"坏字符"不包含在搜索词之中，则上一次出现位置为 -1。

      2. 用一个例子解释 “搜索词中的上一次出现位置” (杜撰模式串"EXAPMLEP"，其中有两个P)

         •         String hay = "HERE IS ASIMPLEP EXAMPLE";
                   		//    01234567
                             //1.EXAPMLEP 第一次匹配 失败，且空格(坏字符)没有出现在模式串中，移动7-(-1) = 8位
                           //            EXAPMLEP 第二次匹配，文本串P，模式串M匹配失败
           //此时注意，文本串中未匹配的字符是P,但是EXAPMELP(模式串中有两个P，如以最后的P来计算，移动4 - 7 = -3,显然是不合理的)
           //正确做法如4，移动 4 - 3 = 1 移动1位
                         //               EXAPMLEP
                   String needle = "EXAPMLEP";
           

2. 模式串和文本串 部分匹配成功，匹配成功的部分叫"好后缀"

   1. 例 ASIMPLE & EXAMPLE，其中 MPLE就是好后缀，同理PLE/LE/E都是好后缀
   2. 好后缀规则，后移位数 = 好后缀的位置 - 搜索词中的上一次出现位置
   3. 三个注意
      • **"好后缀"的位置以最后一个字符为准。**假定"ABCDEF"的"EF"是好后缀，则它的位置以"F"为准，即5（从0开始计算）。
      • 如果"好后缀"在搜索词中只出现一次，则它的上一次出现位置为 -1。比如，"EF"在"ABCDEF"之中只出现一次，则它的上一次出现位置为-1（即未出现）。
      • 如果"好后缀"有多个，则除了最长的那个"好后缀"，其他"好后缀"的上一次出现位置必须在头部。比如，假定"BABCDAB"的"好后缀"是"DAB"、“AB”、“B”，请问这时"好后缀"的上一次出现位置是什么？回答是，此时采用的好后缀是"B"，它的上一次出现位置是头部，即第0位。这个规则也可以这样表达：如果最长的那个"好后缀"只出现一次，则可以把搜索词改写成如下形式进行位置计算"(DA)BABCDAB"，即虚拟加入最前面的"DA"。
      • 结合例子，所有的"好后缀"（MPLE、PLE、LE、E）之中，只"E"在"EXAMPLE"还出现在头部，所以后移 6 - 0 = 6位。(表示EXAMPLE到A匹配失败，结合第一条注意，好后缀以E为准)