KMP算法
1 #region KMP算法 2 /// <summary> 3 /// KMP算法 4 /// 求一个字符串的回溯函数。 5 /// 约定序列下标从0开始。 6 /// 回溯函数是整数集[0,n-1]到N的映射,n为字符串的长度。 7 /// 回溯函数的定义: 8 /// 设存在非空序列L,i为其合法下标; 9 /// L[i]的前置序列集为:{空集,L中所有以i-1为最后一个元素下标的子序列} 10 /// L的前置序列集为:{空集,L中所有以0为第一个元素下标的子序列} 11 /// 下标i的回溯函数值的定义为: 12 /// 如果i=0,回溯函数值为-1 13 /// 否则i的回溯函数值为i的前置序列集和L的前置序列集中相等元素的最大长度,但是相等的两个元素不能是L中的同一个子串,例如[0-i,1]~[i-1,0]reversed 14 /// 换句话说是,设集合V={x,x属于i的前置序列集,并且x属于L的前置序列集,并且x的长度小于i},回溯函数值为max(V).length 15 /// 当i=0时并不存在这样的一个x,所以约定此时的回溯函数值为-1 16 /// 回溯函数的意义: 17 /// 如果子串中标号为j的字符同主串失配,那么将子串回溯到next[j]继续与主串匹配,如果next[j]=-1,则主串的匹配点后移一位,同子串的第一个元素开始匹配。 18 /// 同一般的模式匹配算法相比,kmp通过回溯函数在失配的情况下跳过了若干轮匹配(向右滑动距离可能大于1) 19 /// kmp算法保证跳过去的这些轮匹配一定是失配的,这一点可以证明 20 /// </summary> 21 /// <param name="pattern">模式串,上面的注释里将其称为子串</param> 22 /// <returns>回溯函数是kmp算法的核心,本函数依照其定义求出回溯函数,KMP函数依照其意义使用回溯函数。</returns> 23 public static int[] Next(string pattern) 24 { 25 int[] next = new int[pattern.Length]; 26 next[0] = -1; 27 if (pattern.Length < 2) //如果只有1个元素不用kmp效率会好一些 28 { 29 return next; 30 } 31 next[1] = 0; //第二个元素的回溯函数值必然是0,可以证明: 32 //1的前置序列集为{空集,L[0]},L[0]的长度不小于1,所以淘汰,空集的长度为0,故回溯函数值为0 33 int i = 2; //正被计算next值的字符的索引 34 int j = 0; //计算next值所需要的中间变量,每一轮迭代初始时j总为next[i-1] 35 while (i < pattern.Length) //很明显当i==pattern.Length时所有字符的next值都已计算完毕,任务已经完成 36 { //状态点 37 if (pattern[i - 1] == pattern[j]) //首先必须记住在本函数实现中,迭代计算next值是从第三个元素开始的 38 { //如果L[i-1]等于L[j],那么next[i] = j + 1 39 next[i++] = ++j; 40 } 41 else 42 { //如果不相等则检查next[i]的下一个可能值----next[j] 43 j = next[j]; 44 if (j == -1) //如果j == -1则表示next[i]的值是1 45 { //可以把这一部分提取出来与外层判断合并 46 //书上的kmp代码很难理解的一个原因就是已经被优化,从而遮蔽了其实际逻辑 47 next[i++] = ++j; 48 } 49 } 50 } 51 return next; 52 } 53 54 /// <summary> 55 /// KMP函数同普通的模式匹配函数的差别在于使用了next函数来使模式串一次向右滑动多位成为可能 56 /// next函数的本质是提取重复的计算 57 /// </summary> 58 /// <param name="source">主串</param> 59 /// <param name="pattern">用于查找主串中一个位置的模式串</param> 60 /// <returns>-1表示没有匹配,否则返回匹配的标号</returns> 61 public static int ExecuteKMP(string source, string pattern) 62 { 63 int[] next = Next(pattern); 64 int i = 0; //主串指针 65 int j = 0; //模式串指针 66 //如果子串没有匹配完毕并且主串没有搜索完成 67 while (j < pattern.Length && i < source.Length) 68 { 69 if (source[i] == pattern[j]) //i和j的逻辑意义体现于此,用于指示本轮迭代中要判断是否相等的主串字符和模式串字符 70 { 71 i++; 72 j++; 73 } 74 else 75 { 76 j = next[j]; //依照指示迭代回溯 77 if (j == -1) //回溯有情况,这是第二种 78 { 79 i++; 80 j++; 81 } 82 } 83 } 84 //如果j==pattern.Length则表示循环的退出是由于子串已经匹配完毕而不是主串用尽 85 return j < pattern.Length ? -1 : i - j; 86 } 87 #endregion
工欲善其事,必先利其器。