重学 KMP 小记

重学 KMP 小记

前言

KMP 这个东西赛时用到的几率很小（虽然圣人说概率不小、也不是很大），但是如果一旦考字符串类的题又极可能考匹配问题。当时掌握得也是一知半解，所以现在来重学来了。

情境引入

现实中我们会遇到类似的问题：

给你一篇报道，让你找一找这篇报道中有没有出现某个人的名字。

形式化地，可以说：

给你文本串 \(S\)，和模式串 \(T\)，判断 \(T\) 是否为 \(S\) 的子串。

这个问题我们暴力地想，可以用两个指针 \(i\)，\(j\) 分别表明现在匹配到 \(S\)，\(T\) 的哪个位置了（\(0\le i< len_S\)，\(0\leq j<len_T\)）。如果 \(S_i\neq T_j\)，则 \(i\leftarrow i-j+1\)、\(j\leftarrow 0\)。相当于是推翻重来。

有没有优美一点的算法呢？答案是有的，就是我们的主角——KMP。

算法概要

我们在暴力的时候，如果一旦失配，模式串的指针 \(j\) 就又从头开始，这显然是非常浪费的。所以我们如果想降低时间复杂度，就要从这里入手。

首先我们定义一个数组 \(next_i\)，其满足：\(S_{[0,next_i-1]}=S_{[i-next_i,i]}\)。\(S_{[l,r]}\) 表示 \(S_l,S_{l+1},\dots,S_{r}\) 组成的子串。当然这个 \(next_i\) 有很多种情况，我们储存的是子串最长的情况。说白了这两部分子串就是 \(S_{[0,i]}\) 的最长公共前后缀。

特别地，\(next_0=-1\)。

接下来就可以引入 KMP 了，算法流程如下：

1. 如果 \(S_i\) 与 \(T_{j+1}\) 匹配成功，即相同，就 \(i\leftarrow i+1\)，\(j\leftarrow j+1\)，继续匹配。
2. 如果失配，则令 \(i\) 不动，\(j\leftarrow next_j\)。这意味着 \(S\) 不变，将整个 \(T\) 向右移动了 \(j-next_j\) 位。这个值肯定是大于等于 \(1\) 的。

这样就没了。

现在来分析一下这个 KMP 是怎么减少浪费的。

当 \(T\) 匹配到 \(j\) 位时，说明前面都是和 \(S\) 相同的。如果此时失配了，暴力的思想是相当于直接把 \(T\) 向右平移一位，然后重新比较。这样显然没有前途。KMP 是怎么做的呢？KMP 的思想是：“既然我这个 \(T_{[0,j]}\) 里可能有公共前后缀，如果有的话，为什么我不直接把 \(T\) 向右平移至这个最长公共前后缀相同的部分呢？”。

画个草图理解一下：

图中蓝色的部分都相同。

如何预处理 \(next_i\) 数组

考虑递推。现假设 \(next_{[0,i-1]}\) 的元素都已求出。

算法过程就很简单了：

1. 如果 str[i]==str[next[i-1]+1]，则 next[i]=next[i-1]+1。
2. 否则判断 str[i] 与 str[next[next[i-1]]+1] 是否相等。
3. 再否则，判断 str[i] 与 str[next[next[next[i-1]]]+1] 是否相等。
4. 回环往复，直至相等或 \(next\) 的值为 \(0\) 为止。

void getnxt()
{
	int j=0;
	for(int i=2;i<=m;i++)
	{
		while(j&&b[j+1]!=b[i])
			j=nxt[j];
		if(b[j+1]==b[i])
			j++;
		nxt[i]=j;
	}
}

例题展现

P3375 【模板】KMP

#include<bits/stdc++.h>
using namespace std;

#define int long long

const int MAXN=1e6+5;

int n,m;
char a[MAXN];
char b[MAXN];
int nxt[MAXN];

void getnxt()
{
	int j=0;
	for(int i=2;i<=m;i++)
	{
		while(j&&b[j+1]!=b[i])
			j=nxt[j];
		if(b[j+1]==b[i])
			j++;
		nxt[i]=j;
	}
}

void kmp()
{
	for(int i=1,j=0;i<=n;i++)
	{
		while(j&&a[i]!=b[j+1])
			j=nxt[j];
		if(b[j+1]==a[i])
			j++;
		if(j==m)
		{
			printf("%lld\n",i-m+1);
			j=nxt[j];
		}
	}
}

signed main()
{
	scanf("%s%s",a+1,b+1);
	n=strlen(a+1),m=strlen(b+1);
	getnxt();
	kmp();
	for(int i=1;i<=m;i++)
		printf("%lld ",nxt[i]);
	return 0;
}