KMP算法详解及其Java实现

KMP算法，是一种改进的字符串模式匹配算法，可以在O(n+m)的时间复杂度以内完成字符串的匹配操作，其核心思想在于：当一趟匹配过程中出现字符不匹配时，不需要回溯主串的指针，而是利用已经得到的“部分匹配”，将模式串尽可能多地向右“滑动”一段距离，然后继续比较。

 

1. 朴素的字符串模式匹配算法

求一个字符串（模式串）在另一个字符串（主串）中的位置，称为字符串模式匹配。

在朴素的字符串模式匹配算法中，我们对主串S和模式串T分别设置指针i和j，假设字符串下标从0开始，初始时i和j分别指向每个串的第0个位置。在第n趟匹配开始时，i指向主串S中的第n-1个位置，j指向模式串T的第0个位置，然后逐个向后比较。若T中的每一个字符都与S中的字符相等，则称匹配成功，否则，当遇到某个字符不相等时，i重新指向S的第n个位置，j重新指向T的第0个位置，继续进行第n+1趟匹配。

例如，我们对模式串T=“abaabcac”和主串S=“abcabaabaabcacb”进行匹配。如图1.1，此时正在进行第4趟匹配，S[3...7]与T[0...4]均相等，但当i=8，j=5时，S[8]与T[5]不相等，匹配失败。于是，置i=4，j=0，相当于将模式串向右移动一位后，重新开始下一趟匹配，如图1.2。

                                图1.1 当i=8，j=5时，字符不相等，匹配失败

                         图1.2 将模式串向右移动一位后，重新开始下一趟匹配

利用此种方法进行字符串匹配，最坏情况下时间复杂度为O(n*m)，其中n和m分别为主串和模式串的长度。

 

2. 改进的字符串模式匹配算法——KMP算法

在上面的例子中，我们可以看到，当i=8，j=5时，S[8]与T[5]不相等，于是置i=4，j=0，相当于将模式串向右移动一位，再开始下一趟匹配。然而，通过观察我们可以发现，之后的两趟匹配，即i=4，j=0以及i=5，j=0都是不必要的。这是因为，在之前的一趟匹配过程中，我们已经部分匹配了T的子串“abaab”。此时将T向右移动一位，则相当于对T中的“abaab……”与S中的“baab……”进行匹配，显然无法匹配成功。继续右移T，则相当于对T中的“abaab……”与S中的“aab……”进行匹配，依然无法匹配成功。只有当T向右移动3位后，此时对T中的“abaab……”与S中的“ab……”进行匹配，才会有成功的可能，也就有必要向后继续进行比较。如图2.1。

                          图2.1 匹配失败时，将T向右移动3位后，才有继续比较的必要

因此，当i=8，j=5，T的子串“abaab”已经匹配成功，而其后一位字符却不相等时，不必回溯i指针，置i=8，j=2，继续向后比较，相当于将T向右移动3位，并从T的第3位开始向后比较。如图2.2。

 

                          图2.2 匹配失败后，直接置i=8，j=2，继续向后比较

这就是KMP算法的基本思路。对于模式串T中的前j个字符组成的子串，设置数组next[j]存放一个值，当模式串T匹配至第j个字符时与主串不相等，则i指针不变，将j指针置为next[j]的值，然后继续进行比较。在上例中，串“abaab”为模式串T的前5个字符组成的子串，令next[5]=2，当i=8，j=5时，S[8]与T[5]不相等，于是置i=8，j=next[j]=next[5]=2，然后继续进行比较。

因此，KMP算法的核心在于求出数组next，即模式串T中每一个长度为j (0<j<T.length) 的前缀所对应的next[j]的值。

next数组求解算法

在求解next数组前，我们首先需要理解next数组的含义。回到前面的例子，当T的子串“abaab”的下一个字符与主串不相等时，主串的指针i不变，j回溯至2，指向T的第3个字符，其本质是因为串“abaab”的前缀和后缀有一个长度为2的最长公共串“ab”，因此我们省略了前缀“ab”和后缀“ab”的比较过程，直接对它们的后一个字符，即T[2]和S[8]进行比较。

再看另一个例子，假设有模式串T=“abacaabadad”，其已部分匹配完T[0...7]，即“abacaaba”，在匹配T[8]时遇到匹配失败，因T[0...7]的前缀和后缀有长度为3的最长公共串“aba”，因此next[8]=3，置j=next[j]=next[8]=3，i不变，然后从T[3]，即T的第4个字符开始比较。如图2.3。

 

                                    图2.3 匹配T[8]时失败，i不变，j回溯至3

总之，对于模式串T，next[j]代表了T的前j个字符组成的子串中，其前缀和后缀的最长公共串的长度。

求解字符串T的next数组的算法如下：

1. next[0]=-1, next[1]=0。
2. 在求解next[j]时，令k=next[j-1]，

3. 比较T[j-1]与T[k]的值，

   a. 若T[j-1]等于T[k]，则next[j]=k+1。

   b. 若T[j-1]不等于T[k]，令k=next[k]，若k等于-1，则next[j]=0，否则跳至3。

下面以模式串T=“abaabcac”为例，给出求next数组的过程：

1. next[0]=-1, next[1]=0。
2. 当j=2时，k=next[j-1]=next[1]=0，由于T[j-1]=T[1]=‘b’，T[k]=T[0]=‘a’，T[j-1]不等于T[k]，令k=next[k]=next[0]=-1，因此next[2]=0。
3. 当j=3时，k=next[j-1]=next[2]=0，由于T[j-1]=T[2]=‘a’，T[k]=T[0]=‘a’，T[j-1]等于T[k]，因此next[3]=k+1=1。
4. 当j=4时，k=next[j-1]=next[3]=1，由于T[j-1]=T[3]=‘a’，T[k]=T[1]=‘b’，T[j-1]不等于T[k]，令k=next[k]=next[1]=0。此时T[k]=T[0]=‘a’，T[j-1]等于T[k]，因此next[3]=k+1=1。
5. 当j=5时，k=next[j-1]=next[4]=1，由于T[j-1]=T[4]=‘b’，T[k]=T[1]=‘b’，T[j-1]等于T[k]，因此next[5]=k+1=2。
6. 当j=6时，k=next[j-1]=next[5]=2，由于T[j-1]=T[5]=‘c’，T[k]=T[2]=‘a’，T[j-1]不等于T[k]，令k=next[k]=next[2]=0。此时T[k]=T[0]=‘a’，T[j-1]不等于T[k]，再令k=next[k]=next[0]=-1，因此next[6]=0。
7. 当j=7时，k=next[j-1]=next[6]=0，由于T[j-1]=T[6]=‘a’，T[k]=T[0]=‘a’，T[j-1]等于T[k]，因此next[7]=k+1=1。

将next数组全部求出之后，只需在简单的匹配算法上稍作修改，便得到了KMP的匹配算法：当模式串T匹配至第j个字符时匹配失败，i指针不变，将j指针置为next[j]的值，若j的值为-1，则将i和j同时加1。随后继续进行逐个的比较。

下面以模式串T=“abaabcac”和主串S=“abcabaabaabcacb”进行匹配为例，给出KMP匹配算法的全过程。
之前已经求得模式串T的next数组为[-1, 0, 0, 1, 1, 2, 0, 1]。

1. 初始时，i=0，j=0，匹配成功。

   

2. i=1，j=1，匹配成功。

   

3. i=2，j=2，匹配失败。

   

4. i=2，j=next[2]=0，匹配失败。

   

5. i=2，j=next[0]=-1，匹配失败。

   

6. i=2+1=3，j=-1+1=0，匹配成功。

   

7. i=4，j=1，匹配成功。

   

8. i=5，j=2，匹配成功。

   

9. i=6，j=3，匹配成功。

   

10. i=7，j=4，匹配成功。

    

11. i=8，j=5，匹配失败。

    

12. i=8，j=next[5]=2，匹配成功。

    

13. 继续向后比较，中间过程均匹配成功，故不再赘述，当i=13，j=7时，模式串匹配完成。

    

以上就是KMP匹配算法的全过程。总结一下，KMP算法的实质就是以空间换时间，在匹配之前将模式串的一些信息存储起来（next数组），在随后的匹配过程中利用这些信息减少不必要的匹配次数，以提高匹配效率。在实际的应用过程中，简单模式匹配算法的执行时间常常接近于KMP算法，仅当主串与模式串有很多“部分匹配”时，KMP算法才能显著提升性能。

3. KMP算法的Java实现

下面给出KMP算法的Java代码。整个算法分为两部分，一是next数组的求解，二是KMP匹配过程。

1. package pratice618;
2. public class KMPtest {
3.         /**
4.          * ycy
5.          * 求出一个字符数组的next数组
6.          * @param t 字符数组
7.          * @return next数组，next[0]=-1,next[1]之后为最长公共长度。
8.          */
9.         public static int[] getNextArray(char[] str) {
10.             int[] next = new int[str.length];
11.             next[0] = -1;  //首先将next[0]赋值为 -1，
12.             next[1] = 0;   //a前缀和后缀都是null，所以为0;
13.             int k;
14.             /*
15.              * next的值，为前一个next的值基础上，再比较新加一个字符和前面公共字符再加一个字符是否一样，
16.              * 如果一样，next+1，否则next为0；
17.              */
18.             for (int j = 2; j < str.length; j++) {
19.                 k=next[j-1];     
20.                 while (k!=-1) {
21.                     if (str[j - 1] == str[k]) {
22.                         next[j] = k + 1;
23.                         break;
24.                     }
25.                     else {
26.                         k = next[k];
27.                     }
28.                     next[j] = 0;  //当k==-1而跳出循环时，next[j] = 0，否则next[j]会在break之前被赋值
29.                 }
30.             }
31.             for(int i=0;i<str.length;i++)
32.                 System.out.print(" "+next[i]);  //输出next数组
33.             System.out.println(" ");
34.             return next;
35.         }
36.         /**
37.          * 对主串s和模式串t进行KMP模式匹配
38.          * @param str 主串
39.          * @param t 模式串
40.          * @return 若匹配成功，返回t在s中的位置（第一个相同字符对应的位置），若匹配失败，返回-1
41.          */
42.         public static int kmpMatch(String str, String t){
43.             char[] s_arr = str.toCharArray();
44.             char[] t_arr = t.toCharArray();
45.             int[] next = getNextArray(t_arr);
46.             int i = 0, j = 0;
47.             while (i<s_arr.length && j<t_arr.length){
48.                 if(j == -1 || s_arr[i]==t_arr[j]){
49.                     i++;
50.                     j++;
51.                 }
52.                 else
53.                     j = next[j];  //需要移动的长度是：j-next[j]，即移动位数=已经匹配的个数-公共长度                
54.             }
55.             if(j == t_arr.length)
56.                 return i-j;
57.             else
58.                 return -1;
59.         }
60.         public static void main(String[] args) {
61.             String str = "abcabaabaabcacb";//主字符串
62.             String patt = "abaabcac";   //模式
63.             System.out.println(kmpMatch(str,patt));
64.         }
65.     }

转载：https://www.cnblogs.com/imzhr/p/9613963.html

扫码关注一起随时随地学习！！！就在洋葱攻城狮，更多精彩，等你来！！