KMP 算法

KMP 算法介绍

1. Knuth-Morris-Pratt 字符串查找算法，简称为“KMP算法”，常用于在一个文本串 S 内查找一个模式串 Р 的出现位置，这个算法由Donald Knuth、Vaughan Pratt、James H.Morris 三人于1977年联合发表，故取这3人的姓氏命名此算法。
2. KMP 方法算法就利用之前判断过信息，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，省去大量的计算时间
3. 详细参考：https://www.cnblogs.com/zzuuoo666/p/9028287.html

KMP 算法最佳应用-字符串匹配问题

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，就返回第一次出现的位置，如果没有，则返回 -1
3. 要求：使用 KMP 算法完成判断，不能使用简单的暴力匹配算法.

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，还是不符合，再后移
   
3. 一直重复，直到 str1 有一个字符与 str2 的第一个字符符合为止
   
4. 接着比较字符串和搜索词的下一个字符,还是符合。
   
5. 遇到 str1 有一个字符与 str2 对应的字符不符合
   
6. 这时候，想到的是继续遍历 str1 的下一个字符，重复第 1 步。(其实是很不明智的，因为此时 BCD 已经比较过了，没有必要再做重复的工作，一个基本事实是，当空格与 D 不匹配时，你其实知道前面六个字符是 ”ABCDAB”。KMP 算法的想法是，设法利用这个已知信息，不要把 ”搜索位置” 移回已经比较过的位置，继续把它向后移，这样就提高了效率。)
   
7. 可以对 str2 计算出一张《部分匹配表》，这张表的产生在后面介绍
   
8. 已知空格与 D 不匹配时，前面六个字符 ”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
   因为 6 - 2 等于 4，所以将搜索词向后移动 4 位。
9. 因为空格与 C 不匹配，搜索词还要继续往后移。这时，已匹配的字符数为 2 (”AB”)，对应的 ”部分匹配值” 为 0。所以，移动位数 = 2 - 0，结果为 2，于是将搜索词向后移 2 位。
   
10. 因为空格与 A 不匹配，继续后移一位
    
11. 逐位比较，直到发现 C 与 D 不匹配，于是，移动位数 = 6 - 2，继续将搜索词向后移动 4 位
    
12. 逐位比较，直到搜索词的最后一位，发现完全匹配，于是搜索完成。如果还要继续搜索（即找出全部匹配)，移动位数 = 7 - 0，再将搜索词向后移动 7 位，这里就不再重复了。
    
13. 介绍《部分匹配表》怎么产生的
    先介绍前缀，后缀是什么
    
    “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” 的前缀和后缀都为空集，共有元素的长度为 0;
    -”AB” 的前缀为 [A]；后缀为 [B]，共有元素的长度为 0;
    -”ABC” 的前缀为 [A,AB]，后缀为 [BC,C]，共有元素的长度 0;
    -”ABCD” 的前缀为 [A,AB,ABC]，后缀为 [BCD, CD, D]，共有元素的长度为 0;
    -”ABCDA” 的前缀为 [A,AB,ABC,ABCD]，后缀为 [BCDA,CDA,DA,A]，共有元素为 ”A”，长度为 1;
    -”ABCDAB” 的前缀为 [A,AB,ABC, ABCD,ABCDA]，后缀为 [BCDAB,CDAB,DAB,AB,B]，共有元素为 ”AB"，长度为 2;
    -”ABCDABD”的前缀为 [A,AB,ABC,ABCD,ABCDA,ABCDAB]，后缀为 [BCDABD,CDABD, DABD,ABD, BD]，共有元素的长度为 0;
14. ”部分匹配” 的实质是，有时候，字符串头部和尾部会有重复。比如，”ABCDAB” 之中有两个 ”AB”，那么它的 ”部分匹配值” 就是 2 (”AB” 的长度)。搜索词移动的时候，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

public class KMPAlgorithm {

	public static void main(String[] args) {
		// TODO Auto-generated method stub
		String str1 = "BBC ABCDAB ABCDABCDABDE";
		String str2 = "ABCDABD";
		
		int[] next = kmpNext("ABCDABD"); 
		System.out.println("next=" + Arrays.toString(next));
		
		int index = kmpSearch(str1, str2, next);
		System.out.println("index=" + index); 
		
		
	}
	
	//写出kmp搜索算法
	/**
	 * 
	 * @param str1 源字符串
	 * @param str2 子串
	 * @param next 部分匹配表, 是子串对应的部分匹配表
	 * @return 如果是-1就是没有匹配到，否则返回第一个匹配的位置
	 */
	public static int kmpSearch(String str1, String str2, int[] next) {
		
		//遍历 
		for(int i = 0, j = 0; i < str1.length(); i++) {
			
			//需要处理 str1.charAt(i) ！= str2.charAt(j), 去调整j的大小
			//KMP算法核心点, 可以验证...
			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()) {//找到了 // j = 3 i 
				return i - j + 1;
			}
		}
		return  -1;
	}

	//获取到一个字符串(子串) 的部分匹配值表
	public static  int[] kmpNext(String dest) {
		//创建一个next 数组保存部分匹配值
		int[] next = new int[dest.length()];
		next[0] = 0; //如果字符串是长度为1 部分匹配值就是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)成立才退出
			//这时kmp算法的核心点
			while(j > 0 && dest.charAt(i) != dest.charAt(j)) {
				j = next[j-1];
			}
			
			//当dest.charAt(i) == dest.charAt(j) 满足时，部分匹配值就是+1
			if(dest.charAt(i) == dest.charAt(j)) {
				j++;
			}
			next[i] = j;
		}
		return next;
	}
}