编程中十大常用算法：（四）KMP算法

背景

字符串匹配问题：
（1）有一个字符串str1=“BBC ABCDAB ABCDABCDABDE”，和一个子串str2=“ABCDABD”
（2）现在要判断str1中是否含有str2,如果存在，就返回第一次出现的位置，如果没有，则返回-1

暴力匹配算法：
利用暴力匹配算法，假设现在str1匹配到i位置，子串str2匹配到j位置，则有：
1）如果当前字符串匹配成功（即str1[i]=str[j]），则i++,j++,继续匹配下一个字符
2）如果匹配失败（即str1[i]！=str[j]），则i=i-（j-1），j=0。相当于每次匹配失败时，i回溯，j被设为0。

存在问题：
利用暴力算法解决此类问题会有大量的回溯，每次只移动一位，若不匹配，移动到下一位接着判断，计算时间复杂度较大（O(nm): n为字符串str1的长度，m为字符串str2的长度）。

解决办法：
KMP算法

KMP算法理论介绍

克努特—莫里斯—普拉特操作（Knuth-Morris-Pratt, KMP），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，因此人们称它为克努特—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。通过一个next数组，保存模式串中前后最长公共子序列的长度，每次回溯时，通过next数组找到前面匹配过的位置，省去了大量的计算时间。

举例说明

字符串匹配问题：
1）有一个字符串str1=“BBC ABCDAB ABCDABCDABDE”，和一个子串str2=“ABCDABD”
2）判断str1是否含有str2，如果存在，则返回第一次出现的位置，如果没有，则返回-1

KMP算法思路分析图解：
（1）首先，用str1的第一个字符和str2的第一个字符去比较，不符合，关键词向后移动一位

（2）重复第一步，若还是不符合，再次后移

（3）一直重复，直到str1有一个字符与str2的第一个字符匹配为止
（4）接着比较str1与str2的下一个字符，还是匹配

（5）遇到str1有一个字符与str2的字符不匹配

（6）此时，如果利用暴力匹配算法时，将会重复第一步（这是很不明智地，因为此时BCD已经比较过了，没有必要在做重复地工作，一个基本事实为，当空格与D不匹配时，你已经知道前六字符为"ABCDAB"。KMP的思想是：利用这个已知信息，不把搜索位置移回已经比较过的位置，继续把它向后移，这样就可以提供效率）

（7）如何把刚刚重复的步骤省略掉？可以对str2计算出一张”部分匹配表“，此表的产生后面介绍

（8）已知空格与D不匹配时，前面6个字符"ABCDAB"是匹配的。查表可知，最后一个匹配字符B对应的”部分匹配值“为2，因此按照下面的公式算出向后移动的位数：
移动位数=已匹配的字符数-对应的部分匹配值（6-2=4，因此将str2向后移动4位）

（9）因为空格与C不匹配，str2还有向后移动。此时，已匹配的字符数位2（“AB”），对应的”部分匹配值“为0，移动位数=2-0，于是将str2后移2位

（10）因为空格与A不匹配，继续后移一位

（11）逐位比较，知道发现C与D不匹配。因此，移动位数=6-2，将str2后移4位

（12）逐位比较，直到str2的最后一位，发现完全匹配，搜索结束

（13）”部分匹配表的产生“，首先介绍前缀和后缀

”部分匹配值“就是”前缀“和”后缀“的最长的共有元素的长度。以"ABCDABD"为例：
"A"的前缀和后缀均为空集，共用长度为0；
"AB"的前缀为[A]，后缀为[B]，共用元素的长度为0；
"ABC"的前缀为[A,AB]，后缀为[BC,C]共用元素的长度为0；
"ABCD"的前缀为[A,AB,ABC]，后缀为[BCD,CD,D]，共用元素长度为0；
“ABCDA"的前缀为[A,AB,ABC,ABCD]，后缀为[BCDA,CDA,DA,A],共用元素为"A”，长度为1；
“ABCDAB"的前缀为[A,AB,ABC,ABCD,ABCDA]，后缀为[BCDAB,CDAB,DAB,AB,B],共用元素为"AB”,长度为2；
"ABCDABD"的前缀为[A,AB,ABC,ABCD,ABCDA,ABCDAB]，后缀为[BCDABD,CDABD,DABD,ABD,BD,D]共用元素长度为0。

（14）”部分匹配“的实质为，有时字符串头部和尾部会有重复。如”ABCDAB“之中有两个"AB",那么它的”部分匹配值“为2（”AB“的长度）。str2移动时，第一个"AB"向后移动4位（字符串长度-部分匹配值），就可以来到第二个"AB"的位置。

代码实现（Java）

package com.zq.kmp;

import java.util.Arrays;

public class KMP {

  public static void main(String[] args) {

     String str1="BBC ABCDAB ABCDABCDABDE";

     String str2="ABCDABD";

     int[] next=kmpnext(str2);

   System.out.println("next="+Arrays.toString(next));

     int index=kmpSearch(str1, str2, next);

     System.out.println("index="+index);

  }

  
  /*

   * KMP匹配算法

   * */

  public static int kmpSearch(String str1,String str2,int[] next) {

     for(int i=0,j=0;i<str1.length();i++) {

       while(j>0 && str1.charAt(i)!=str2.charAt(j)) {

          j=next[j-1];

       }

       if (str1.charAt(i)==str2.charAt(j)) {

          j++;

       }

       if (j==str2.length()) {

          return i-j+1;

       }

     }

     return -1;

  }

 
  /*

   * 获取一个字符串的部分匹配表

   * */

  public static int[] kmpnext(String dest) {

     //创建数组next保存部分匹配值

     int[] next=new int[dest.length()];

     next[0]=0;

     for(int i=1,j=0;i<dest.length();i++) {

       //当dest.charAt(i)!=dest.charAt(j),需要从next[j-1]获取新的j

       //直到发现有dest.charAt(i)=dest.charAt(j)成立时退出

       while(j>0 && dest.charAt(i)!=dest.charAt(j)) {

          j=next[j-1];

       }

       //当dest.charAt(i)=dest.charAt(j)时，部分匹配值加一

       if (dest.charAt(i)==dest.charAt(j)) {

          j++;

       }

       next[i]=j;

     }

     return next;

  }

}

 

仿真结果

参考文献：
1.韩顺平-图解Java数据结构和算法
2.https://www.cnblogs.com/zzuuoo666/p/9028287.html