字符串匹配算法-KMP
举例来说，有一个字符串"BBC ABCDAB ABCDABCDABDE"，我想知道，里面是否包含另一个字符串"ABCDABD"？
在上面这个例子中，字符串"BBC ABCDAB ABCDABCDABDE"称为主串，字符串"ABCDABD"称为模式串
许多算法可以完成这个任务，Knuth-Morris-Pratt算法（简称KMP）是最常用的之一。下面，我用自己的语言，解释KMP算法。
1、首先，主串"BBC ABCDAB ABCDABCDABDE"的第一个字符与模式串"ABCDABD"的第一个字符，进行比较。因为B与A不匹配，所以模式串后移一位
2、因为B与A不匹配，模式串再往后移
3、就这样，直到主串有一个字符，与模式串的第一个字符相同为止
4、接着比较主串和模式串的下一个字符，还是相同
5、直到主串有一个字符，与模式串对应的字符不相同为止
6、这时，最自然的反应是，将模式串整个后移一位，再从头逐个比较。这样做虽然可行，但是效率很差，因为你要把"搜索位置"移到已经比较过的位置，重比一遍
7、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
怎么做到这一点呢？可以针对模式串，算出一张《部分匹配表》（Partial Match Table）。这张表是如何产生的，后面再介绍，这里只要会用就可以了
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（最后一个匹配字符）
因为 6 - 2 等于4，所以将模式串向后移动4位。
9、因为空格与Ｃ不匹配，模式串还要继续往后移。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，于是将模式串向后移2位。
10、因为空格与A不匹配，继续后移一位。
11、发现主串中的A与模式串中的A匹配，接着比较主串和模式串的下一个字符，还是相同，直到发现C与D不匹配。
12、因为C与D不匹配，所以移动位数= 6 - 2，继续将模式串向后移动4位
13、然后再逐位比较，直到模式串的最后一位，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，再将模式串向后移动7位，这里就不再重复了
14、下面介绍《部分匹配表》是如何产生的。
首先，要了解两个概念："前缀"和"后缀"。 "前缀"指除了最后一个字符以外，一个字符串的全部头部组合；"后缀"指除了第一个字符以外，一个字符串的全部尾部组合
15、"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, D]，共有元素的长度为0。
Java实现代码
package com.buaa;
import java.util.Arrays;
import java.util.Random;
/**
* @ProjectName PatternMatchAlgorithm
* @PackageName com.buaa
* @ClassName KMP
* @Description TODO
* @Author 刘吉超
* @Date 2016-05-08 09:41:01
*/
public class KMP {
/**
* KMP匹配字符串
*
* @param originString 主串
* @param moduleString 模式串
* @param partialmatchArray 部分匹配表
* @return 若匹配成功，返回下标，否则返回-1
*/
public static int match(String originString,String moduleString,int[] partialmatchArray) {
// 主串
if (originString == null || originString.length() <= 0) {
return -1;
}
// 模式串
if (moduleString == null || moduleString.length() <= 0) {
return -1;
}
// 如果模式串的长度大于主串的长度，那么一定不匹配
if (originString.length() < moduleString.length()) {
return -1;
}
int origin_index = 0;
int module_index = 0;
boolean startMatch = false;
for(;origin_index < originString.length()
&& module_index < moduleString.length();
origin_index++){
// 主串中字符
char char_origin = originString.charAt(origin_index);
// 模式串中的字符
char char_module = moduleString.charAt(module_index);
if(char_origin == char_module){
startMatch = true;
module_index++;
}else if(startMatch){
// 向前移动"已匹配的字符数 - 最后一个匹配字符对应的部分匹配值"，换句话说，module_index的值就是最后一个匹配字符对应的部分匹配值
module_index = partialmatchArray[module_index];
startMatch = false;
origin_index--;
}
}
if(module_index == moduleString.length()){
return origin_index - module_index;
}
return -1;
}
/**
* 计算每个元素对应的"部分匹配值"
*/
public static int[] matchStr(String moduleString) {
if (moduleString == null || moduleString.length() == 0) {
return new int[0];
}
int[] matchArray = new int[moduleString.length()];
/*
* 对matchArray数组进行初始化
* 虽然int数组中每个元素的默认值就是0，但在开发时，建议在使用变量之前，先对变量进行初始化
*/
Arrays.fill(matchArray, 0);
for (int i = 0; i < moduleString.length(); i++) {
for (int j = 0; j < i; j++) {
String prefixStr = moduleString.substring(0, j + 1);
String suffixStr = moduleString.substring(i - j, i + 1);
if (prefixStr.equals(suffixStr)) {
matchArray[i] = prefixStr.length();
break;
}
}
}
return matchArray;
}
/**
* 随机生成字符串
*
* @param length 表示生成字符串的长度
* @return String
*/
public static String generateString(int length) {
String baseString = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789";
StringBuilder result = new StringBuilder();
Random random = new Random();
for (int i = 0; i < length; i++) {
result.append(baseString.charAt(random.nextInt(baseString.length())));
}
return result.toString();
}
public static void main(String[] args) {
// 主串
// String originString = generateString(10);
String originString = "BBCABCDABBBCDABCDABDE";
// 模式串
// String moduleString = generateString(4);
String moduleString = "ABCDABD";
// 部分匹配表
int[] partialmatchArray = matchStr(moduleString);
System.out.println("主串：" + originString);
System.out.println("模式串：" + moduleString);
System.out.println("部分匹配表："+ Arrays.toString(partialmatchArray));
int index = match(originString,moduleString,partialmatchArray);
System.out.println("匹配的下标：" + index);
}
}
如果，您认为阅读这篇博客让您有些收获，不妨点击一下右下角的【推荐】。
如果，您希望更容易地发现我的新博客，不妨点击一下左下角的【关注我】。
如果，您对我的博客所讲述的内容有兴趣，请继续关注我的后续博客，我是【刘超★ljc】。
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。
