KMP算法初步学习

用途

  KMP算法：它是用来匹配字符串的，对于文字的检索和查找有很大的用处。说白了，它就是用来查看一个字符串中是否包含有另外一个字符串，如果有，则返回第一个字符的位置，否则返回-1，表示没有找到。

简单介绍

  1. 当然，除了KMP匹配算法，还有普通的字符串匹配算法，但是它的效率太低了，而KMP算法则是进一步对普通方法的改进，可以显著提高字符串的匹配效率。首先先来介绍一下普通的字符串匹配方法，通过比较来发现普通算法和KMP算法的不同。
  普通匹配方法的基本思想是：让模式串的第一个字符与主串的第一个字符比较，如果相等，则继续比较后面的字符。如果和主串的第一个字符就不相同，则继续用模式串的第一个字符和主串的第二个字符比较。这样看起来似乎很合理，但是，如果模式串的前几个字符都匹配成功，在后续字符的比较中有不同的，则下一次的比较，模式串仍然要回到第一个字符，再去和主串比较。
  下面用一个例子来说明一下：

  可见，这时比较到第三个字符的时候，出现了不同。

  而下一次的比较中，模式串依然从第一个字符开始和主串的第二个字符比较。
  如果主串的长度为n，模式串的长度为m，则普通算法的最坏时间复杂度为O(n*m)。

  2. 而KMP算法则使得模式串不用每次都回到第一个字符，它会利用之前已经比较过的字符，从而确定下次比较从第几个字符开始。
  KMP算法的核心就是确定每次匹配不成功时，下次比较开始的位置。
  那么怎么确定这个位置呢？它是和匹配不成功时，所在字符的位置有关的。这个位置就是所在字符之前的所有字符的 前缀和后缀 的最大相同长度。拿上面的例子来说，下次的开始的比较位置和模式串中下标0~2的字符有关。
  什么是前缀和后缀的最大相同长度呢？在这之前，要先明白前缀是什么？前缀就是一个字符串的前n个字符（0 < n < 字符串的长度），即不包括它自身。比如：abababb的前缀有：a、ab、aba、abab、ababa、ababab。后缀的意思和前缀相反。前缀和后缀的最大相同长度就是，先找出所有相同的前缀和后缀，然后取其中长度最长的那一组。
  比如：拿ababa来举例，ababa中前缀有：a、ab、aba、abab；后缀有：a、ba、aba、baba。那么前缀和后缀相同的有：a和aba，但是最大相同长度是aba。
  明白了什么是前缀和后缀的最大相同长度后，我们用next数组来记录这个位置。即先求出模式串中所有子串的前缀和后缀最大相同长度。

next数组	模式串中与数组(下标)对应的下标之前的字符	前缀和后缀的最大相同长度
next[0]	null	-1
next[1]	a	0
next[2]	ab	0
next[3]	aba	1
next[4]	abab	2
next[5]	ababa	3
next[6]	ababab	4

  还拿普通算法的例子来看一下，KMP算法是如何匹配的：


可以发现，KMP算法的下次比较位置不是0，而是1，而1也正是next[3]中所存的数。

小结

  利用改进的KMP算法可以显著提高字符串的匹配效率。这篇博客只是我对于KMP算法的一个初步理解，只是简单的介绍了KMP算法的基本思想，如果哪里有不正确的地方，还请各位大神指出。对于代码我还会继续学习的，KMP算法就简单介绍到这儿，感谢您的阅读。