KMP算法

回顾/本期梗概

        上期我们学习了离散化（空降链接），本期我们将学习KMP算法。

        KMP算法是一种改进的字符串匹配算法，由D.E.Knuth，J.H.Morris和V.R.Pratt提出的，因此人们称它为克劳特——莫里斯——普拉特操作（简称KMP算法）。KMP算法的核心是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。具体实现就是通过一个next()函数实现，函数本身包含了模式的局部匹配信息。KMP算法的时间复杂度。

---

1、KMP的原理 

        如：有上图所示的父串s和子串p，如果要匹配出子串p在父串s中是否出现过或者出现了几次。

        暴力的做法如图所示，第1次父串s从第1的字符开始和子串匹配，由第1次匹配可知，S[2]= 'B' 而t1='A',显然匹配不成功。第3次从s的第3个字符开始尝试和子串p匹配......

        如果s的长度为n,p 的长度为m，则暴力求解的时间复杂度是。

        问题：是否直接跳过中间肯定失败的3次匹配呢？

        回答：答案是肯定的，因为第 1 次匹配，发现 s[ 8 ] != p[ 8 ] 时，观察 p 的前 7 个字符发现，p 有 3 个前缀子串和 3 个后缀子串完全匹配，可以利用这个性质，直接跳过中间的 3 次无效的匹配。

  

---

2、next 数组的计算方法

        （1）加快匹配的原理

        上述案例中，我们使用 i 来循环 s 主串，j 循环 p 子串，我们希望：s 主串的 [ i - j + 1，i ] 字符和 p 子串的 [ 1，j ] 字符完全一致，也就是 s 串以 s[ i ] 结尾的长度为 j 的子串和 p 字符串的前 j 个字符一致，显然样例可以分析出 i = 7、j = 7 时是能做到的，接下来检验 s[ i + 1 ] 和 p[ j + 1 ]的关系。

        由于 s[ 8 ] != p[ 8 ]，此时 i 和 j 无法继续增加，要尝试继续匹配，必须减少 j，且为了提升效率，新的 j 越大越好。因为 p[ 1... 3] == p[ 5...6 ]，因此新的 j 最大可以设置为 3，到下图所示的状态，重新检验 s[ i + 1 ] 和 p[ j + 1 ] 的关系。

        当发现 s[ i + 1 ] != p[ j + 1 ] 时，j 的最大可以回跳的值 == p 字符串 1... j 这 j 个字符前缀和后缀相等的最大长度。

        （2）next 数组的含义

        定义 next 数组的含义：next[ j ] 代表字符串 p 中前 j 个字符的最大相同前缀和后缀的值。特别注意：这个值不含本身，比如字符串“ ABABA ” 最大相同前缀和后缀的值是 3，而不是 5，因为任何字符串如果取自身，那么从前缀和后缀必定相等。因此 next[ 0 ] = next[ 1 ] = 0。

        （3）如何高效匹配

        当 s[ i + 1 ] != p[ j + 1 ]，通过 j = next[ j ] 回跳，如果 s[ i + 1 ] == p[ j + 1 ]，那么往后继续匹配。（注意：为了避免 next 和系统函数同名，一般 next 数组定义时可以使用缩写 ne ）

        （4）如何高效求 next 数组

        类似字符串 s 和 p 匹配的过程，只是求 p 的 next 数组本质上是 p 自己和自己匹配的过程。