标签：需要 dash 大脑 strstr simple note 通过 统一 ext
KMP一个非常经典的字符串模式匹配算法
先来说说 KMP 的历史吧。
一、背景
KMP算法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。具体实现就是通过一个next()函数实现，函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度度O(m+n)。KMP也可以处理最重复长子串问题，最长子串问题……这里挂一道最简单的题leetcode的 实现 strStr()，大家看完可以去试一试。
补充说明：
强调两个概念：真前缀 ，真后缀
如图所示，所谓的真前缀，就是在指在除了自身之外的全部字符串的头部顺序组合；而"真后最"，就是指在除自身之外的一个字符串的全部尾串的顺序组合 。与后缀、前缀不同：
真前/后缀不包含自身字符！！！
二、朴素字符串匹配算法
其实就是我们最开始的时候写的字符串匹配，就是两个字符串逐一匹配。不作详细介绍，代码如下
/** * @brief 朴素字符串匹配 * @note * @param MainString: 主串 * @param Pattern: 模式串 * @retval */ int SimpleStringMatch(char* MainString, char* Pattern) { int i = 0; int j = 0; int PatternLen = strlen(Pattern); int MainStringLen = strlen(MainString); while (i < MainStringLen && j < PatternLen) { if (S[i] == Pattern[j]) { i++; j++; } else { i = i - j + 1; j = 0; } } if (j == PatternLen) { return i - j; } return -1; }
显然暴力匹配的时间复杂度为O（m*n）。m，n 分别取决于S和P的长度，很显然这种时间复杂度还是有些高，因此我们的KMP算法就应运而生了。
三、KMP字符串模式匹配算法
3.1 算法流程：
（1）
第一步 主串"E……" 与 模式串 "ABCDABD" 的第一个字符进行比较。‘E！= ’A，模式串索引不变，主串索引+1
（2）
E与A仍然不匹配，继续后移知道第一个匹配的位置
（3）
抵达第一处相同点
（4）
第二处相同点，继续
（5）
嗯！，不匹配了，怎么办呢。
（6）
第一反应肯定是把模式串整体后移一位然后重新一位位的比较，这样子是没有问题，但是这就不是kmp了，没有利用已完成的匹配信息。
（7）
当我们发现D和空格不匹配的时候，我们已经知道了前面6个字符为ABCDAB（主串）。KMP就是充分利用了这个信息。将模式串继续后移，没有将其移回比较过的位置。
（8）
计算机不比我们大脑，这种的事情对它来说已经很困难了，肯定要给它写个专门的算法了。KMP的索引的转跳依赖的是next[] 数组。如图，我们先用，先对KMP有一个完整的理解再来进行实现。理解才是关键。
| i | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 模式串 | A | B | C | D | A | B | D | ‘\0‘ |
| next[i] | -1 | 0 | 0 | 0 | 0 | 1· | 2 | 0 |
（9）
如图，D与空格不匹配，D之前的字符已经完成匹配，为已知信息。根据转跳数组可知，不匹配出D的next值为2，因此接下来从模式串所引为2的位置进行匹配。
（10）
同样的，C与空格不匹配，C处的next为0，所以下一个从索引为0的位置进行匹配。
（11）
A与空格比较不匹配，此处next值为-1，表示模式串的索引为1字符就不匹配，那么直接往后移一位。
（12）
一位位的比较直到完全匹配。
其实KMP的比较算法和朴素匹配的方法是一样的，KMP之所以快是快在索引的转跳上。接着我们就来说一下next数组是u如何实现的。
3.2 next数组实现：
next数组的求解基于 "真前缀" 和 "真后缀" ，即next[i]等于P[0]...P[i - 1]最长的相同真前后缀的长度。（忘记的赶紧上去看看，要不然会一直懵的）。
| i | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 模式串 | A | B | C | D | A | B | D | ‘\0‘ |
| next[i] | -1 | 0 | 0 | 0 | 0 | 1· | 2 | 0 |
那么，这个数组是如何实现不匹配自动跳转的呢？
举个栗子：前置字符串
假如 i = 6 时不匹配，其前置字符串为 “ABCDAB”，仔细观察，首尾都有 “AB”，这意味着主串和模式串刚刚比较完 “AB”。那，当进行下一次比较的时候，我们就可以直接用 i = 2 时的字符C进行下一次匹配。因为刚刚模式串后方的“AB”刚比较完，所以没有必要再进行。i = 6 时候字符D的其最长相同真前后缀为字符恰好也为“AB”，长度恰好等于索引，刚好能转跳到C。
但是现在有一个问题，看表中 i = 5 时，匹配失败， next数组值为1，这不符KMP的理念啊。理论上，我们应该把 i = 2 处的字符拿过来匹配，如果拿 i = 1 处的字符那就会产生一次多余的比较。这个问题的遗留并不是算法问题，而是算法没有优化，KMP未优化的算法是用也是有特定作用的。两种算法应用场景不同，各有所长。（最后会说明优化算法的）。
下面是代码实现：
/** * @brief next[] * @note 未优化KMP，j == -1 不可删除 * @param Pattern: 模式串 * @param next[]: 转跳数组 * @retval None */ void GetNext(char* Pattern, int next[]) { int Pattern_len = strlen(Pattern); int i = 0; // Pattern 的下标 int j = -1; next[0] = -1; while (i < Pattern_len - 1) { if (j == -1 || Pattern[i] == Pattern[j]) { i++; j++; next[i] = j; } else { j = next[j]; } } }
有没有看懂的，我觉得肯定有。有我也得分析一下这个算法干了什么。
其实，这个代码最难理解的就在于 if……else……
先上张图（感谢大佬给我画的图）
现在我假设 i 和 j 的位置如上，由前面代码中的 next[i] = j 得， i 的最长相同真前后缀分别是 [0, j-1] 和 [i-j, i-1]，即这两段内容相同
走流程：
if (j == -1 || Pattern[i] == Pattern[j]) {
i++; j++; next[i] = j; } else {
j = next[j]; }
next[j] 表 [0，j - 1] 区间中最长相同真前后缀的长度。如图
左侧两个椭圆来表示这个最长相同真前后缀，即这两个椭圆代表的区段内容相同；同理，右侧也有相同的两个椭圆。所以else语句就是利用第一个椭圆和第四个椭圆内容相同来加快得到[0, i - 1]区段的相同真前后缀的长度。说到在透彻一些就是 j = next[j]，这句语句减少了无用的比较。
有没有想过，为什么next的第一个值为-1呢？
第一，
程序刚运行时，j是被初始为-1，直接进行 Pattern[i] == Pattern[j] 判断无疑会边界溢出；
第二，
else语句中j = next[j]，j 是不断后退的，若 j 在后退中被赋值为 -1（也就是 j = next[0]），在 Pattern[i] == Pattern[j] 判断也会边界溢出。
综上，其意义就是为了特殊边界判断，而且 j 一开始被赋值为-1，比较方便给第二项赋值。
四、KMP样例实现
最好自己实现一遍！！！
1 #include <stdio.h> 2 #include <stdlib.h> 3 #include <string.h> 4 5 int KMP(char* MainString, char* Pattern); 6 void GetNext(char* Pattern, int next[]); 7 8 int main() 9 { 10 printf("%d\n",KMP("ljhgfdsa asdfghjkl\0", "dfghj\0")); 11 } 12 13 int KMP(char* MainString, char* Pattern) 14 { 15 int next[22400] = {0}; 16 GetNext(Pattern, next); 17 18 int i = 0; 19 int j = 0; 20 int s_len = strlen(MainString); 21 int PatternLen = strlen(Pattern); 22 23 while (i < s_len && j < PatternLen) 24 { 25 if (j == -1 || MainString[i] == Pattern[j]) 26 { 27 i++; 28 j++; 29 } 30 else 31 { 32 j = next[j]; 33 } 34 } 35 36 if (j == PatternLen) 37 { 38 return i - j; 39 } 40 41 return -1; 42 } 43 44 void GetNext(char* Pattern, int next[]) 45 { 46 int PatternLen = strlen(Pattern); 47 int i = 0; 48 int j = -1; 49 next[0] = -1; 50 51 while (i < PatternLen - 1) 52 { 53 if (j == -1 || Pattern[i] == Pattern[j]) 54 { 55 i++; 56 j++; 57 next[i] = j; 58 } 59 else 60 { 61 j = next[j]; 62 } 63 } 64 }
五、KMP优化
还记得上面的那个问题吗？KMP不够完美的问题，其实只需要判断一下他们是不是相等的字符，然后进行处理即可。
处理方式：获取前一个字符的最长字串。
自己先试试
void GetNextval(char *Pattern, int nextval[]) { int p_len = strlen(Pattern); int i = 0; int j = -1; nextval[0] = -1; while (i < p_len - 1) { if (j == -1 || Pattern[i] == Pattern[j]) { i++; j++; //优化 if (Pattern[i] != Pattern[j]) { nextval[i] = j; } else { nextval[i] = nextval[j]; \\一样的时候最长字串来源于前一个 } } else { j = nextval[j]; } } }
KMP算法（未优化版）： next数组表示最长的相同真前后缀的长度，我们不仅可以利用next来解决模式串的匹配问题，也可以用来解决类似字符串重复问题等等，这类问题大家可以在各大OJ找到。
KMP算法（优化版）： 根据代码很容易知道（名称也改为了nextval），优化后的next仅仅表示相同真前后缀的长度，但不一定是最长（称其为“最优相同真前后缀”更为恰当）。此时我们利用优化后的next可以在模式串匹配问题中以更快的速度得到我们的答案（相较于未优化版），但是上述所说的字符串重复问题，优化版本则束手无策。
标签：需要 dash 大脑 strstr simple note 通过 统一 ext
原文地址：https://www.cnblogs.com/daker-code/p/11578319.html
