字符串算法总结
本文主要介绍 Manacher算法 ， KMP算法 ， 扩展KMP算法 ， AC自动机 ， 后缀数组 这几个简单的字符串算法。
以下内容均属于个人理解，如有错误请指出，不胜感激。
Manacher算法
Manacher算法，是用来解决有关回文串的问题的算法。
问题：
给定一个字符串\(S\),长度为\(n\)，求它的最长回文子串的长度？
\(1\leq n\leq 1.1\times 10^7\)
先不讲正解是什么，先想想暴力怎么做。
不难想到我们可以直接枚举中间点然后左右扩展，判一下奇偶就可以了。复杂度\(O(n^2)\)。
我们可以考虑一下优化。
在原字符串的首尾和每个字符中间增加 原字符串中没有的字符 ，比如说\(\%\)，这样就可以不必枚举奇偶了。
举个栗子，字符串\(abc\)在加上\(\%\)之后会变成\(\%a\%b\%c\%\)，\(abcd\)加上之后会变成\(\%a\%b\%c\%d\%\)，字符串长度就都是奇数了。
以字符串\(12212321\)为例，经过上一步，变成了\(S=\%1\%2\%2\%1\%2\%3\%2\%1\%\)
我们设置辅助数组\(p[i]\)来记录以字符\(S[i]\)为中心的最长回文子串向左/右扩张的长度（包括\(S[i]\)），下面的图片中用#代替 \(\%\)。
通过观察我们不难看出\(p[i]-1\)就是以\(S[i]\)为中心的回文子串的长度。其实这东西证明也是很简单的。
假设我们\(p[i]=3\)，然后假设从\(s[i]\)往右的\(3\)个字符为\(\%a\%\)，因为\(p\)数组保留的是半径，所以我们还原该回文串之后就是\(\%a\%a\%\)。
因为\(\%\)都是我们补充的，所以在半径中除去\(\%\)再乘\(2\)就是实际回文串的长度。而求实际在原字符串中的字符个数又有两种情况。
- 回文串中心是\(\%\)上面我们已经讨论过了，这里就不重复说了。
- 回文串中心是原字符串中的字符。举个栗子\(a\%a\%(p[i]=4)\)，显然这里的有用的字符就是\(aa\)，因为这是半径，所以我们还要乘\(2\)，但是由于该回文串的中心是原字符串中的字符，所以中间那个字符会算两次，所以我们还要减去中间的那个字符，即\(2\times2-1\)，也就是\(4-1\)，也就是\(p[i]-1\)了。
但是我们还要考虑一点，我们上面讨论的都是结尾字符以\(\%\)的情况，那会不会结尾字符有原字符串中的字符呢？
答案显然是 不可能 的，因为如果有这种情况的话，我们可以再往两边扩展一个\(\%\)（每两个字符中间都有一个\(\%\)），就变成了上面我们讨论的两种情况了。
\(\cdot\) 再设置两个辅助变量
设\(id\)为当前我们已知的右边界最大的回文子串的中心，\(mx\)为\(id+p[id]\)也就是最大的右边界。如下图。
假设我们当前要求的位置为\(i(i<mx)\)，我们可以找到\(i\)关于\(id\)的对称点\(j\)，因为\(id\)为中点，所以\(id\)左侧和右侧字符是 完全一样 的。
所以我们可以利用\(j\)来加速\(p[i]\)的求解。因为\(p[i]\)是可以等于\(p[j]\)的。
但是我们注意到，\(mx\)右边的部分是有可能不等于\(id-p[id]\)（即\(mx\)的对称点）的左边部分的。所以\(p[i]\)应该小于等于\(mx-i\)。至于\(mx\)右侧的部分，我们就只能暴力扩展了。
如果\(i \geq mx\)的话，那我们就只能先暂令\(p[i]=1\)然后同样暴力扩展了。扩展完之后更新\(mx\)和\(id\)。
模板题Manacher算法 下面放代码，代码中用#代替\(\%\)。
#include<bits/stdc++.h>
using namespace std;
char s[32000005],s_new[32000005];
int p[32000005];
int get() {
s_new[0]='$';
s_new[1]='#';
int k=2;
int n=strlen(s);
for(int i=0; i<n; i++) {
s_new[k++]=s[i];
s_new[k++]='#';
}
s_new[k]='\0';
return k;
}
void manacher() {
int len=get();
int mx=0,id=0,ans=-1;
for(int i=1; i<=len; i++) {
if(i<mx)
p[i]=min(mx-i,p[2*id-i]);
else
p[i]=1;
while(s_new[i-p[i]]==s_new[i+p[i]])
p[i]++;
if(i+p[i]>mx) {
mx=i+p[i];
id=i;
}
ans=max(ans,p[i]-1);
}
printf("%d\n",ans);
}
int main() {
scanf("%s",s);
manacher();
return 0;
}
KMP算法
问题引入
给你一个文本串\(S\)，长度为\(n\)，再给你一个模式串\(T\)，长度为\(m\)，求模式串在文本串中出现的位置？
\(1 \leq n,m\leq 10^6\)
这是一个很很很经典的问题了。
因为篇幅问题（其实是作者懒得打了），这里就直接进入主题了。
依然是举例子。看一下下面这组样例。
我们用指针\(i\)和\(j\)来表示\(S[i-j+1,i]=T[1,j]\)。
也就是说\(i\)是随着\(j\)的增加而增加的，而当\(j=m\)时，就意味着我们在文本串\(S\)中找到了一个模式串\(T\)。我们令上图中\(i=j=5\)。
接下来我们就要比较\(S[i+1]\)和\(T[j+1]\)了，很明显，模式串和文本串将在这一位失配，也就是下图中的红色位置。
这个时候我们该怎么办呢？想一想。我们研究这个算法的目的是什么？是不是就是提升速度？那么速度的瓶颈是什么？是不是就是模式串和文本串匹配的次数？
也就是说，如果我们模式串和文本串的匹配次数越少，这个算法的时间复杂度就越少（显而易见）
所以当我们失配的时候，我们是不是应该将\(j\)指针往前移，移到某一位置使模式串\(T[1,j]\)再次和文本串\(S[i-j+1,i]\)相匹配，并且，\(j\) 越大越好 （显而易见），这样就可以使匹配次数尽可能地减少了。具体点，就是说我们要在模式串\(T[1,j]\)中再找到一个位置\(j'\)，使得\(T[1,j']=T[j-j'+1,j]\)，因为这样我们才可以保证此时的\(j'\)与之前的\(j\)的性质是完全一样的（即还能与文本串匹配成功），然后再比较\(T[j'+1]\)和\(S[i+1]\)是否相等。在上面这个例子中，\(T[3,5]=T[1,3]\),所以当\(T[j+1]\)和\(S[i+1]\)失配时，我们可以让\(j\)重新等于\(3\)，这样文本串和模式串还是匹配的。（因为之前的匹配让我们知道\(S[i-j+1,i]=T[1,j]\)，所以\(T[j-j'+1,j]=S[i-j'+1,i]\)，就有\(T[1,j']=T[j-j'+1,j]=S[i-j'+1,i]\)）。如下图。
注意此时，\(i\)指针的位置是 不动 的。然后我们继续匹配\(T[j'+1]\)和\(S[i+1]\)，我们发现他们两个是相等的，所以\(i,j\)同时加\(1\)。然后继续上述过程，直到\(j=m\)。
通过我们前面模拟的那一步将\(j\)调小至\(j'\)，我们发现\(j\)的减小只与模式串有关，而与\(i\)无关，因此我们完全可以设置一个辅助数组来实现\(j\)的快速跳动。
我们定义\(next[i]\)表示在 模式串 中以\(i\)结尾的子串的后缀与该子串的前缀 （非本身） 的最长匹配长度。
说起来可能有点绕，我们仍用上面的例子解释一下这句话。
当\(j=5\)时，\(next[5]=3\)，为什么呢？因为在\(ababa\)这个子串中，固然有前缀\(a\)(即\(T[1]\))等于后缀\(a\)(即\(T[5]\))，但它不是最长的。前缀\(aba\)(即\(T[1,3]\))等于后缀\(aba\)(即\(T[3,5]\))，并且没有其他的比这个前缀更长的前缀能与该子串的后缀相匹配（该子串本身除外）。所以\(next[5]=3\)。为什么要最长？还是上面那句话，这样就可以使匹配次数尽可能地减少了。假设我们已经知道了所有的\(next[i]\)，我们再来模拟一遍上面的样例。
经过第一次失配后，一直直到\(i=7\)，文本串都是与模式串相匹配的。如下图。
我们接下来要匹配\(S[8]\)和\(T[6]\)，我们发现失配了，所以\(j\)指针要往前跳，因为\(nxet[5]=3\)，所以\(j\)指针再一次跳到\(3\)这个位置。如下图。
此时\(i=7,j=3\)，我们继续匹配\(S[8]\)和\(T[4]\)，发现还是失配，所以\(j\)还要跳，我们通过观察得知\(next[3]=1\)，所以令\(j=1\)，变成下面这样：
此时\(i\)还是等于\(7\)，继续匹配\(S[8]\)和\(T[2]\)，可是这个时候它还是不匹配（md怎么这么烦），所以\(j\)要跳到\(next[1]\)，即\(0\)，所以\(j=0\)。
终于，我们的\(S[8]=T[1]\)了，所以\(i++,j++\)，可是有时候，就算到\(j=0\)时它仍然不会和文本串匹配。因此，当\(j=0\)时，我们增加\(i\)值但忽略\(j\)，直到出现文本串与模式串匹配。
至此KMP算法（有限状态自动机的模式匹配算法）主要过程告一段落，于是这一段匹配的代码:
int j=0;
for(int i=1; i<=n; i++) {
while(j>0&&S[i]!=T[j+1]) j=next[j];//不断跳j,i不变
if(S[i]==T[j+1]) j++;//如果相等了,j就加1,继续往后匹配
if(j==m)//在文本串中找到一个模式串
j=next[j];//继续往后找看文本串中还有没有模式串
}
求解next数组
我们再来看一下定义：
定义\(next[i]\)表示在 模式串 中以\(i\)结尾的子串的后缀与该子串的前缀 （非本身） 的最长匹配长度。
由定义可知，\(next[1]=0\)（因为子串本身不算）。我们可以用\(next\)求\(next\)。
仍然引用上面的例子，假设我们已经求得\(next[1 \cdots 4]\)，现在要求\(next[5 \cdots 6]\)，该怎么求呢？
\(next[5]\)还是很简单的，因为由\(next[4]=2\)可知，\(T[1,2]=T[3,4]\)，然后又因为\(T[3]=T[5]\)，所以\(next[5]=3\)。
接下来我们求\(next[6]\)。
因为\(T[6]\)并不等于\(T[next[5]+1]\)，所以我们不能直接像上面那样直接算。
我们已知\(next[3]=1,next[5]=3\)也就意味着\(T[1]=T[3]=T[5]\)，所以既然我们在\(next[5]\)处失败，我们可以考虑让\(next[6]=next[next[5]]\)，然后比较\(T[6]\)和\(T[next[next[5]]+1]\)，
如果不相等，我们就让\(next[6]=next[next[next[5]]]\)，然后继续比较\(T[6]\)和\(T[next[next[next[5]]]+1]\)，如此往复，直到\(0\)。
所以求\(next\)数组代码：
int j=0;
next[1]=0;//根据定义next[1]=0
for(int i=2; i<=m; i++) {
while(j>0&&T[j+1]!=T[i]) j=next[j];
if(T[j+1]==T[i]) j++;
next[i]=j;
}
时间复杂度
\(O(n+m)\)，这里就不证明了事实上是作者太菜了。
扩展KMP算法
前言
扩展KMP，又名\(ExKMP\)，在外国被称为\(Z-Algorithm\)。
问题
存在母串 \(S\) 和子串 \(T\) ，设 \(|S|=n,|T|=m\) ，求 \(T\) 与 \(S\) 的每一个后缀的最长公共前缀 \((LCP)\)。
\(1 \leq n,m\leq 2\times 10^7\)
我们定义\(extend[i]\)表示在\(S\)串中以\(i\)为首字母的后缀与\(T\)串的前缀的最长匹配长度，求解这个问题的过程实际上就是求\(extend\)数组。
我们举一个例子吧。
设\(S=aaaaaaaaaabaa\),\(n=13\),
\(T=aaaaaaaaaaa\),\(m=11\)
通过观察我们不难得到\(extend[1]=10\)。接下来我们要求\(extend[2]\)，该怎么求呢？我们需不需要从\(S[2]\)开始和\(T[1]\)匹配呢？
我们先理一理，我们从\(extend[1]=10\)中可以得到什么？
然后我们知道，我们求\(extend[2]\)就是等于求\(S[2,10]\)与\(T\)的前缀的最长匹配长度。
所以用上我们推导得到的\(S[2,10]=T[2,10]\)，进一步转化，将上面那句话中的\(S[2,10]\)改为\(T[2,10]\),
不难发现求\(extend[2]\)就是等价于求\(T[2,10]\)与\(T\)的 前缀 的最长匹配长度。
所以我们可以在这里设置\(next\)数组，其中\(next[i]\)表示\(T[i,m]\)与\(T\)的前缀的最长匹配长度。注意，这里的\(next\)数组的定义与\(KMP\)算法中的\(next\)数组的定义不一样
我们看图可知\(next[2]=10\)，所以我们根据\(next\)的定义可以得出以下推导。
然后联立上面推导得到的式子\(\star\),
所以至此为止，我们回答了上面的那个问题，答案是不需要的，也就是说，当我们求\(extend[2]\)时，\(S[2,10]=T[1,9]\)我们是已知的，所以，不需要再浪费时间去一一匹配。
直接从\(S[11]\)和\(T[10]\)开始比较，一比较发现不同，所以\(extend[2]=9\)。上面的都是特殊情况，我们现在再来讨论一般情况。
求extend数组
当我们要求\(extend[k+1]\)时，假设我们已知\(extend[1\cdots k]\)，我们设\(p\)为\(\max(i+extend[i]-1)\)，其中 \(i \in [1,k]\)，设取到这个\(p\)的位置为\(a\)。
由\(S\)数组的定义可得：
我们令\(L=next[k-a+2]\)。这里分了两种情况。
第一种情况:
\(k+L<p\)
由已知条件我们可以得到几个关系：
化简得\(T[k-a+2,k+L+1-a]=T[1,L]\)，将上面得到的\(S[k+1,p]=T[k-a+2,p-a+1]\)代入
然后我们再化简一下就是
所以我们发现红色部分是相等的，蓝色部分肯定不相等，因为如果相等那么就违背了\(next\)数组的定义了\((next[k-a+2]=L+1)\)
所以这种情况我们可以直接得到\(extend[k+1]=L\)。同时\(a,p\)的值都不变，\(k+1 \rightarrow k\)然后继续求\(extend[k+1]\)。
第二种情况:
\(k+L \geq p\)
我们也可以像上面第一种情况一样证出红色部分是相等的，这里就不再赘述，请读者自己思考。
上图的紫色部分是未知的，因为在计算\(extend[1\cdots k]\)的时候，我们最远到达的地方就是\(p\)，\(p\)以后的部分我们是未曾到达过的，所以们就不知道紫色部分是否相等。
于是我们就要从\(S[p+1] \Leftrightarrow T[p-k+1]\)开始匹配，直到不相等为止，匹配完之后比较\(p\)和\(extend[k+1]+(k+1)\)的大小，如果后者大，就更新\(a\)和\(p\)。
求next数组
最后一步就是求\(next\)数组了。在这之前我们再来看一下\(next\)数组的定义和\(extend\)数组的定义。
我们定义\(extend[i]\)表示在\(S\)串中以\(i\)为首字母的后缀与\(T\)串的前缀的最长匹配长度\(\Rightarrow\)
我们定义\(extend[i]\)表示\(S[i,n]\)与\(T\)的前缀的最长匹配长度
我们定义\(next[i]\)表示\(T[i,m]\)与\(T\)的前缀的最长匹配长度
相信聪明的读者已经发现了什么。其实求解\(next\)数组就是以\(T\)为母串，同时以\(T\)为子串的一个 特殊的扩展KMP 。
即用\(next\)计算\(next\)，读者可以直接使用上文的方法求解。
关于时间复杂度
在计算\(extend\)和\(next\)数组的过程中，只会访问未访问的位置，因此，时间复杂度为\(O(n+m)\)。
模板题扩展KMP(Z函数) 这里放一下求\(next\)数组和\(Z\)数组（就是\(extend\)数组）的代码，输入的字符串下标都是从\(1\)开始。
void getNext(){
Next[1]=m;
int p=1,a=2;
while(t[p]==t[p+1]&&p+1<=m) p++;
Next[2]=p-1;
for(int i=3;i<=m;i++){
int k=i-1,L=Next[k-a+2];
p=Next[a]+a-1;
if(k+L<p)
Next[i]=L;
else{
p=max(p-i+1,0);
while(t[p+1]==t[p+i]&&p+i<=m) p++;
Next[i]=p;
a=i;
}
}
}
void getZ(){
int a=1,p=1;
while(s[p]==t[p]&&p<=m) p++;
Z[1]=--p;
for(int i=2;i<=n;i++){
int k=i-1,L=Next[k-a+2],p=Z[a]+a-1;
if(k+L<p)
Z[i]=L;
else{
p=max(p-i+1,0);
while(s[p+i]==t[p+1]&&p+i<=n&&p<=m) p++;
Z[i]=p;
if(Z[i]+i-1>Z[a]+a-1)
a=i;
}
}
}
AC自动机
简单的说一下吧。不想写了。
其实就是\(Trie\)加\(KMP\)。不会的可以参考这里
后缀数组
现在还不会，以后回来补。但是还是先放上一份我觉得讲得比较好的博客吧，点这里
参考资料：WC2021李建老师的课件《信息学竞赛中的字符串问题》
