KMP算法

导入

使用朴素算法解决字符串问题时，是从主串第一次与模式串开始匹配的位置逐一验证是否能够匹配，如果不匹配，则继续向后搜寻开始匹配的位置，再次验证，依次重复直到扫描完整个主串。然而，该种匹配模式存在最坏情况，例如：主串aaaaaaab与模式串aaaaab，设主串的长度为n，模式串的长度为m，则此时的时间复杂度达到了O（nm），即使不在最坏情况，它的时间复杂度也很高，是不能处理大部分的字符串匹配问题的。为解决此问题，我们将学习一种能在线性的时间内完成对字符串的匹配的算法——KMP。

KMP算法的思想

思考如下问题：是否在每次字符串匹配失配的时候，都只能将模式串向后移动一位然后从头开始匹配？例如：主串abababaaba、模式串ababacb，从头开始匹配时，到第6个位置时主串为b模式串为c，失配（红字处）。

主串	a	b	a	b	a	b	a	a	b	a
模式串	a	b	a	b	a	c	b

     向后移动1位，并从头开始比较（红字处）：

主串	a	b	a	b	a	b	a	a	b	a
模式串		a	b	a	b	a	c	b

      然而实际上我们能直接将模式串移动到如下位置，且不用从头开始比较，而是从红字处开始：

主串	a	b	a	b	a	b	a	a	b	a
模式串			a	b	a	b	a	c	b

为什么？仔细观察失配位置前的模式串子串：ababa，有没有发现它的特点？当然，你可能会说它是回文的，但是这只是我举出的例子较为特殊，我们换一个来看：abacdaba，这次有没有看出它的特点来呢？实际上，我将它的特殊之处标红就十分明显了：abacdaba，那就是它的前后有部分子串是相等的。相等意味着什么？我们要知道，这个子串是在失配位置之前的，也就是它与主串的一部分是已经匹配了的，由此我们能得到：该模式串的前面这部分也与主串的部分是相等的。于是，就可以直接将模式串的前面这部分移动到该主串部分的位置，而且又因为它们是匹配过的，所以直接从下一个位置匹配就可以了。通过这种匹配方式，KMP算法大大缩短了匹配的时间复杂度。

不过，目前还存在一个问题：那就是，想要知道每次失配时模式串该移动的位置，我们需要事先将模式串前后相等的部分求出来。我们用一个数组nxt来保存模式串前后相等的信息，即nxt[j]等于使得模式串[1~k]=模式串[j-k+1~j]的k最大值。要求解模式串每个位置上的nxt[j]值，我们可以利用模式串自我匹配来实现。

a	b	a	b	a	c	b
	a	b	a	b	a	c	b

a	b	a	b	a	c	b
		a	b	a	b	a	c	b

首位字符的nxt值一定为0，因为在首位失配，下一次匹配模式串将向后移动1位，并从头开始比较，这正好与nxt[1]=0的情形是一样的。自我匹配中，令“主串”的指针为i，“模式串”的指针为j（此处的“主串”与“模式串”是针对上文的模式串的自我匹配来说的），nxt[i]的值就等于它最多能匹配的“模式串”的j值，例如上面表格中nxt[2]=0、nxt[3]=1、nxt[4]=2、nxt[5]=3等等。

模式串自我匹配的代码如下：

char A[N];//主串
char B[N];//模式串
//无论是主串A还是模式串B下标都是从1开始，因为我们比较的都是i+1、j+1的位置，i=j=0时就代表比较首位
void pretreatment(int m){//m为模式串的长度
    nxt[1]=0;
    int j=0;
    for(int i=1;i<m;++i){
        //失配时，不是向后移动一位，而是根据nxt值移动
        while(j>0 && B[j+1]!=B[i+1])  j=nxt[j];
        if(B[j+1]==B[i+1]) ++j;
        //nxt[i]的值就等于它最多能匹配的“模式串”的j值，因为比较的是i+1、j+1的位置所以数组的下标是i+1，而j已经在上一行代码里++了
        nxt[i+1]=j;
    }
}

KMP算法的主串与模式串匹配代码如下：

int kmp() {
	int ans=0, j=0;
	for (int i=0; i<n; ++i) {
	    while (j>0 && B[j+1]!=A[i+1])   j=nxt[j];
		if (B[j+1] == A[i+1])	++j;
		if (j == m) {//j到达模式串的末尾就说明匹配成功
			ans++;
            j = nxt[j]; //该模式串有可能不止在主串中出现一次
		    printf("匹配成功：%d\n", i + 2 - m);//匹配成功打印模式串在主串中出现的位置
		}
	}
	return ans; //返回该模式串共在主串中出现了多少次
}