<数据结构>KMP算法

next数组

定义#

• 严格定义：next[i]表示使子串s[0...k] == s[i-k...i]的最大的k(前后缀可以重叠，但不能是s[0..i]本身)
• 含义：最长相等前后缀的下标,没有则赋-1
• 图形化解释：s[0]开始找到一个最长子串，满足一个条件：把该子串拉到末尾时能与母串的完全重合
  
  

求解#

递归#

上述判断可以归纳为一个递归过程：
读取两行子串，一行提供前缀，一行提供后缀。
读取新字符s[i]时，后缀行不断向左滑动。
如果能匹配，则根据后缀行最后一个匹配元素下标即next值
否则，后缀行向右滑动，直到找到一个完全匹配处

举例#

如果已知next[0]~next[3]，如何递归地求出next[4]和next[5]

求next[4]：
已知next[3]=1,由于s[4]==s[next[3]+1]所以最长相等前后缀拓展，next[4]=next[3]+1
如果令j=next[3]则上述两个式子变成s[4]=s[j+1],next[4]=j+1

求next[5]：
已知next[4]=2，s[5]!=s[j+1]此时最长相等前后缀无法拓展，需要将后缀串向右滑动 到某个位置，使之满足"s[5]==s[j+1]"，如图12-3最右图

现在确定j：本质就是确定 ~
由于 ~ 是由"aba"向右滑动得来的，所以它是aba的前缀
由于 ~ 又是“aba”的后缀，如图12-3最右图，所以可知 ~ 是"aba"的最长相等前后缀
"aba"在后缀行的下标为0-2，所以 j = next[2] (结合next数组的定义再理解一下) = next[next[4]] = j'(计算next[4]时的j值)

所以求解next[5]时，只需令next[5]=next[2],再判断s[5] == s[j+1]是否成立
如果成立，next[5]=next[j]+1
否则，不断令j=next[j],直到j=-1或者途中s[5] == s[j+1]成立

实现#

步骤#

1. 初始化next数组，next[0] = j = -1
2. 令i由1-（len-1）重复 3. 4.
3. 不断令 j = next[j], 知道 j !=-1 或者 s[i] == s[j+1],
4. 如果 s[i] == s[j+1]，next[i] = j+1

代码#

//getNext求解长度为len的字符串s的next数组
void getNext(char s[], int len){
    int j = -1;
    next[0] = -1;  //初始化 j = next[0] = -1
    for(int i = 1; i < len; i++){
        while(j != -1 && s[i] != s[j+1]){  //求解next[1] ~ next[len-1]
            j = next[j];  //反复令j = next[j]
        }  //直到j回退到-1，或是 s[i] == s[j+1]
        if(s[i] == s[j+1]){
            j++; //则next[i] = j + 1，先令j指向这个位置
        }
        next[i] = j;  //令next[i] = j
    }
}

不难发现，j是用来给next[i]赋值以及在递归求解（代码中用循环代替了递归，但本质是递归思想）过程中给记录前一个next值的中间变量

KMP算法

分析#

字符串匹配，被匹配串：文本串text，匹配串：模式串patten

初始化，令j = -1, i = 0。

如下图，遍历text，当text[i] == patten[j+1]时，i和j都不断右移

如下图，当出现 text[i] != patten[j+1]时, 需要将patten向右滑动，直到满足条件 text[i] == patten[j+1]，
不难发现，这一过程和求解next数组时失配的情况非常类似，和求解next数组时一样的思路，只需要令j = next[j]，就可以让patten快速移动到相应位置。可见，next[j]就是当前j失配时，j应该回退的位置。
最后如果 j == 5也匹配成功，说明patten是text的子串

实现#

步骤#

1. 初始化j=1
2. 让i遍历text数组，对每个i，执行3.4.来试图匹配text[i]和patten[j+1]
3. 不断令 j = next[j]，直到 j == -1或 text[i] == patten[j+1]
4. 如果text[i] == patten[j+1], 令 j++； 当 j== m-1时说明patten是text子串

代码#

//KMP算法，判断pattern数组是否是text的子串
/*O(m+n)*/
bool KMP(char text[], char patten[]){
    int n = strlen(text), m = strlen(patten);  //字符串长度
    getNext(patten, m);  //计算patten的next数组
    int j = -1;  //初始化j为-1，表示当前还没有任意一位被匹配
    for(int i = 0; i < n; i++){  //试图匹配text[i]
        while(j != -1 && text[i] != patten[j+1]){
            j = next[j];  //不断回退，知道j回到-1 或 text[i] == patten[j+1]
        }
        if(text[i] == patten[j+1]){
            j++;  //text[i]与patten匹配成功，令j加1
        }
        if(j == m-1){
            return true;  //patten完全匹配，说明patten是text的子串
        }
    }
    return false;  //执行完text还没匹配成功，说明patten不是text的子串
}

完整代码

#include<stdio.h>
#include<string.h>
const int MaxLen = 100;
int next[MaxLen];
//getNext求解长度为len的字符串s的next数组
void getNext(char s[], int len){
    int j = -1;
    next[0] = -1;  //初始化 j = next[0] = -1
    for(int i = 1; i < len; i++){
        while(j != -1 && s[i] != s[j+1]){  //求解next[1] ~ next[len-1]
            j = next[j];  //反复令j = next[j]
        }  //直到j回退到-1，或是 s[i] == s[j+1]
        if(s[i] == s[j+1]){
            j++; //则next[i] = j + 1，先令j指向这个位置
        }
        next[i] = j;  //令next[i] = j
    }
}

//KMP算法，判断pattern数组是否是text的子串
/*O(m+n)*/
bool KMP(char text[], char patten[]){
    int n = strlen(text), m = strlen(patten);  //字符串长度
    getNext(patten, m);  //计算patten的next数组
    int j = -1;  //初始化j为-1，表示当前还没有任意一位被匹配
    for(int i = 0; i < n; i++){  //试图匹配text[i]
        while(j != -1 && text[i] != patten[j+1]){
            j = next[j];  //不断回退，知道j回到-1 或 text[i] == patten[j+1]
        }
        if(text[i] == patten[j+1]){
            j++;  //text[i]与patten匹配成功，令j加1
        }
        if(j == m-1){
            return true;  //patten完全匹配，说明patten是text的子串
        }
    }
    return false;  //执行完text还没匹配成功，说明patten不是text的子串
}

关系

求解nex数组的过程就是模式串patten自我匹配的过程