字符串匹配算法
问题大致含义：给出两个字符串s1、s2，判断s2是否为s1的子串。
普通匹配算法：
时间复杂度：O(mn)，m，n是两个串的长度。
1 /* 字符串下标始于 0 */ 2 int NaiveStringSearch(string S, string P) 3 { 4 int i = 0; // S 的下标 5 int j = 0; // P 的下标 6 int s_len = S.size(); 7 int p_len = P.size(); 8 9 while (i < s_len && j < p_len) 10 { 11 if (S[i] == P[j]) // 若相等，都前进一步 12 { 13 i++; 14 j++; 15 } 16 else // 不相等 17 { 18 i = i - j + 1; 19 j = 0; 20 } 21 } 22 23 if (j == p_len) // 匹配成功 24 return i - j; 25 26 return -1; 27 }
KMP算法：
算法核心：当算法匹配成功的时候与普通的字符串匹配算法并没有太大的不同，都是比较下一个元素；但是在匹配失败的时候，利用某些信息来减少一些不必要的匹配。
next数组：
- next数组是KMP的核心，当匹配失败时，通过next数组的意义能够减少不必要的匹配。
- next数组的含义：对于一个字符串S，其长度为len(S)，那么next的下标范围为：0~len(S)-1，对于i∈[0,len(S)-1]，next[i]：使子串S[0:i]中形成前缀S[0:k]和后缀S[i-k:i]相同的最大k值（k一定小于i，当没有一个能匹配，取-1）。
- next数组的意义：对于S，给出了所有S[0:i]的子串最长的前缀与后缀相同的位置。（字符串匹配的目的是实现所有的相同，所有相同必定是部分相同的子集，通过next数组跳入下一个可能匹配的位置） （核心：等价代换；部分与整体的关系）
用一个例子来解释next[i]： S="ababaab" len(S)=7 （下面所用的符号与上面说明对应）
| i | 0 | 1 | 2 | 3 | 4 | 5 | 6 |
| next[i] | -1 | -1 | 0 | 1 | 2 | 0 | -1 |
- i=0时，默认为-1；（只有一个元素，S[0]）
- i=1时，S[0:1]="ab"，next[i]=-1，因为k=0时，S[0:0]="a"，S[1:1]="b"，不匹配，k必须小于i。
- i=2时，S[0:2]="aba"，next[i]=0，因为k=0时，S[0:0]="a"，S[2:2]=“a”，匹配； k=1时，S[0:1]="ab"，S[1:2]="ba"，不匹配。
- i=3时，S[0:3]="abab"，next[i]=1。
- i=4,5,6:：略
KMP算法：
- 注意：在匹配失败的时候如何利用next数组，以及i，j如何变化。
S1="abababaabc" S2="ababaab"，判断S2是否为S1的子串。
- 建立S2的next数组；
- 用i指向S1欲匹配的字符，用j指向S2已匹配的字符；i=0，j=-1；
- 用S1[i]与S2[j+1]进行匹配：
- i∈[0,4]，是匹配成功的，这时候只需要i++，j++； 最后到达i=5，j=4；（匹配成功情况）
- 因为S1[i]="b"，S2[j+1]="a"，因此不匹配； 关键点来了，那么用什么元素进行再次比较呢？ (图1） （匹配失败情况） 此时S1[0:4]=S2[0:4]， 根据next数组，next[j]=2（说明S2[0:2]=S2[2:4] ） S2[2:4]=S1[2:4]， 经过等价代换 ，可以发现：S2[0:2]=S1[2:4]； 同时令j=next[j]，在此时再比较S1[i]与S2[j+1]，看是否相等（i=5，j=2）；这时候发现相等了，因此按照成功时候进行匹配。
图1
图2
算法步骤综述：（用数学关系完整地阐述一遍） S1：被匹配串， S2：匹配串
- 用i指向S1欲匹配的字符，用j指向S2已匹配的字符；i=0，j=-1； 建立S2的next数组。
- 循环结束条件：当j=len(S2)-1 or i=len(S1) ； 如果j=len(S2)-1，那么匹配成功； 否则，匹配失败
- 循环过程：
- 如果S1[i]=S2[j+1]，那么匹配成功，i++，j++；
- 如果S1[i]!=S2[j+1]，那么匹配失败，j=next[j]，循环判断S1[i]与S2[j+1]的关系： 如果j=-1，并且匹配失败，那么i++；继续沿着该循环过程循环。
next数组的实现：
- 很容易想到，next数组也能够通过暴力求解：当然这个效率就很低了。
1 next[0]=-1; 2 3 for(int i=1;i<len(S);i++){ 4 int j; 5 for(j=i-1;j>=0;j--){ 6 //判断 子串[0:j]和[len(S)-1-j,len(S)-1]是否相等；当相等的时候，break； 7 } 8 next[i]=j; 9 }
| i | 0 | 1 | 2 | 3 | 4 | 5 | 6 |
| next[i] | -1 | -1 | 0 | 1 | 2 | 0 | -1 |
- 改进实现：对于当前 i，考虑next[i]与next[0]~next[i-1]的关系：以S="ababaab"为例子
- 初始值：next[0]=-1，i=1。
- 考虑i=4和i=5的实现：i=4能够体现出匹配成功的情况，i=5能够体现出匹配失败的情况 （next表见上方）
- 对于i=4，next[i-1]=1； 这时候考虑S[i]="a"和S[next[i-1]+1]="a"的关系，相等，那么next[i]=next[i-1]+1；
- 对于i=5，next[i-1]=2； 这时候考虑S[i]="a"和S[next[i-1]+1]="b"的关系，不相等，那么匹配失败； 注意此刻条件，S[0:next[i-1]]和S[i-next[i-1]-1:i-1]是相同的，只是S[i]="a"和S[next[i-1]+1]不同，对于串的匹配，所有匹配必是部分匹配的子集，那么考虑前缀S[0:next[i-1]]，求出得到next[next[i-1]]=0，判断S[0+1]="b"与S[i]="a"的关系，发现还是不相同； 那么继续失败的模式，next[next[next[i-1]]]=-1，判断S[-1+1]="a"与S[i]="a"的关系，发现相同，那么令next[i]=next[0]+1;
图3）i=4时，S[i]与S[next[i-1]+1]
图4) 第一次匹配失败 S[5]与S[next[4]+1]
图5）第二次匹配失败 S[5]与S[1]
图6） S[5]与S[0]匹配成功 （如果这次再匹配失败，那么i++，next[5]=-1）
-
究其本质：发现next数组的实现过程其实是对于每一个S[0:i]和自身某些前缀的KMP匹配。对于S[0:i]，已知next[0]~next[i-1]，next[0]~next[i-1]提供了前缀和后缀的一致信息，我们只要保证S[i]和S[next[i-1]+1]相等就行。
1 int* getNext(char* S,int length){ 2 int* next=(int*)malloc(sizeof(int)*length); 3 next[0]=-1; 4 // next[i] 5 for(int i=1;i<length;i++){ 6 int j=next[i-1]; 7 while(S[i]!=S[j+1]){ 8 if(j==-1){ // 无匹配项 9 break; 10 } 11 else{ 12 j=next[j]; 13 } 14 } 15 if(S[i]==S[j+1]){ 16 j++; 17 } 18 next[i]=j; 19 }
20 return next; 21 }
KMP算法的实现：
bool KMP(char* S1,char* S2){ int n=strlen(S1),m=strlen(S2); getNext(S2,m); // 获得S2的next数组 int j=-1; // 记录S2已匹配串位置 int i=0; // 记录S1欲匹配位置 while(i<n && j<m-1){ // 匹配成功 if(S1[i]==S2[j+1]){ i++; j++; } else{ // 匹配失败，并且j=-1 if(j==-1){ i++; } else{ j=next[j]; } } } if(j==m-1){ return true; } else{ return false; } }
