KMP算法详解——多图，多例子（c语言）
Posted Zero0Tw0
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了KMP算法详解——多图，多例子（c语言）相关的知识，希望对你有一定的参考价值。
目录
前言
KMP算法作为程序员的必修课之一，其抽象的过程让初学者叫苦不迭，但是当你完全理解过后会发现其中蕴含着创造者的无穷智慧。本篇文章我将以大量的例子与图片，为你讲解这个奇妙的算法。
1.KMP算法是什么？
KMP算法是一种改进的字符串匹配算法，由D.E.Knuth，J.H.Morris和V.R.Pratt提出的，因此人们称它为克努特—莫里斯—普拉特操作（简称KMP算法）。KMP算法的核心是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。具体实现就是通过一个next()函数实现，函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度O(m+n) [1]
。（来自百度百科）
简而言之就是：减少在主串找子串的过程中回退的次数。（先有个概念就行，后面会仔细讲解）
2.为什么需要KMP算法？
在回答这个问题前我们需要知道先知道两个问题。
什么叫主串找子串？
不用kmp算法，直接暴力求解是怎样的？
2.1主串找字串
现在我们有主串：arr1[] = "abababc"，子串：arr2[] = “abc”。那么我们在arr1中找到arr2在其中位置的过程就叫做主串找子串。
2.2暴力求解
在暴力求解中，我们是将子串和主串逐一匹配，如果第一个字符相等就继续匹配第二个字符，直到子串与主串全都匹配成功，就返回子串的位置，一旦其中某两个字符匹配不成功，主串就回到开始匹配字符的下一字符，而子串回到第一字符。
上面的话可能有一点绕，那么看了下面的图片你就会明白暴力求解的思路。
还是这俩字符串，主串：arr1[] = "abababc"，子串：arr2[] = “abc”。
（1） 第一次匹配成功，第二次匹配成功，第三次匹配不成功。
（2） 前面匹配失败，第一个字符串回到第二个字符'b',第二个字符串回到第一个字符'a'处。
第一次匹配失败。
（3） 前面匹配失败，第一个字符串回到第三个字符'a',第二个字符串回到第一个字符'a'处。
第一次匹配成功，第二次匹配成功，第三次匹配不成功。
（4） 前面匹配失败，第一个字符串回到第四个字符'b',第二个字符串回到第一个字符'a'处。
第一次匹配失败。
（5） 前面匹配失败，第一个字符串回到第五个字符'a',第二个字符串回到第一个字符'a'处。
第一次匹配成功，第二次匹配成功，第三次匹配成功，子串走到尽头，成功找到在第一字符 串找到第二字符串。
通过以上举例可以看出，传统的暴力求解，需要多次回溯，且第一个字符串和第二个字符串都需要回溯，而且例如（2）（4）步，明显回溯过去也一定是错的，那有没有什么办法让他回溯到特定的位置，不至于像暴力求解一样，产生许多不必要的步骤，于是就有了本篇的重点：
KMP算法！！！
3.KMP准备工作
在学习KMP算法之前我们还需要进行一些小小的的准备。这对你掌握KMP算法是非常必要的。
3.1字符串的前后子串
先抛开找字符串的问题，抛开什么KMP算法，我们来了解一下什么叫一个字符串的前后相等子串。
--假设有这样一个字符串：a[] = "abcabcabc";
那么他的前子串的集合为：{"a","ab","abc","abca","abcab","abcabc","abcabca","abcabcab"}
看不懂？上图！图片顺序是从左向右哦！(注：作者懒,字符串的\\0我没画😉）
--知道了什么叫前子串，那么字符的后子串也很好理解了。
他的后子串的集合为：{"c","bc","abc","cabc","bcabc","abcabc","cabcabc","bcabcabc"}
3.2最大前后相等子串
我们现在已经知道了字符串a[] = "abcabcabc"的两个信息：
前子串的集合为：{"a","ab","abc","abca","abcab","abcabc","abcabca","abcabcab"}
后子串的集合为：{"c","bc","abc","cabc","bcabc","abcabc","cabcabc","bcabcabc"}
很明显就可以看出前后两个子串相等的有{"abc","abcabc"};
那最大前后相等子串就是"abcabc"，其长度为6。
3.3最大前后相等子串练习
kmp算法的准备工作已经完成，如果你还是有点不太清楚，这里有几个字符串，你不妨可以试着找出他们的最大前后相等子串，以及长度，来加深你对前面内容的的理解。
a[] = "abcdefgh" b[] = "abcabcabcabcabc" c[] = "aba"
d[] = "hello world" e[] = "ababcabcdabcde" f[] = "abcabcdeabcabcde"
答案:
a[]:没有最大前后相等子串 0
b[]:"abcabcabcabc" 12
c[]:"a" 1
d[]:没有最大前后相等子串 0
e[]:没有最大前后相等子串 0
f[]:"abcabcde" 84.KMP算法
4.1简看KMP算法
前面我们多次强调过，kmp算法只需要子串返回到特定位置，而主串不用返回。
这到底是一个怎样的过程呢？
还是这俩字符串，主串：arr1[] = "abababc"，子串：arr2[] = “abc”。
绿色是回溯的位置，红色是匹配结束的位置。
（1）第一次匹配成功，第二次匹配成功，第三次匹配失败。
（2）前面不匹配失败，主串不回溯子串回溯到第一个字符，并与上次与主串匹配错误的位置匹配
第一次匹配成功，第二次匹配成功，第三次匹配失败。
（3）前面不匹配失败，主串不回溯子串回溯到第一个字符，并与上次与主串匹配错误的位置匹配
第一次匹配成功，第二次匹配成功，第三次匹配成功。 
看样子KMP算法好像就是主串不回溯，子串回溯到初始位置而已嘛，感觉并没有说的那么强大啊。
那你可太小看KMP算法了，我们再来看一个例子:
主串：arr1[] = "abcababcabc"，子串：arr2[] = “abcabc”。
(1)
(2)
(3)
可以很明显的看到第二次匹配中，j并没有回溯到字符串的首位置而是回溯到字符串的第三个位置
这就是我们所说的j会回溯到一个特定位置的意思。
5 Next数组
5.1j该回溯的位置
主串：arr1[] = "abcababcabc"，子串：arr2[] = “abcabc”。
此时主串与子串在就 j = 0 位置匹配失败，各位可以一一尝试，我们最好的结果就是回退到 j = 2处，因为主串和子串匹配失败一定有绿色的三个部分相等，而最大前后相等子串长度就是2即j返回位置。
很明显就能看出根据最大前后相等子串的一些关系，能很轻松的将一些不必要的匹配略过，只从重要位置匹配，并且不用怕匹配遗漏的问题。
5.2学会计算Next数组
事实上，一个j会回溯的特定位置全都存放在一个Next[j] = k,数组中。
Next[j] = k :一个用来存放子串返回位置的数组，回溯的位置用字母k来表示。（Next只与主串和子串匹配错误的位置，以及子串本身有关，与主串没有太大关系，所以后面我们将抛弃主串，只讲子串。）
那回溯位置k是怎么求的呢？
1.从匹配失败位置，找到他前面的字符串的最大前后相等子串长度。
2.默认第一个k值为-1(Next[0] = -1),第二个k值为0(Next[1] = 0),我们只需要从第三个k值(Next[2])开始求。(这里不同的书籍或人规定的默认值有所不同）
知道了Next数组的规则，我们开始求他了，假设我们有这样一个子串。
arr2[11] = "abcababcabc"
Next [] ={ -1, 0 , ? , ? , ? , ? , ....... }
（1）假设我们此时的子串与主串在 j = 2 时匹配失败。
绿色代表需要找最大前后相等子串长度的字符串，橙色数字代表该字符串的最大前后相等子串长度
（2）假设我们此时的子串与主串在 j = 3 时匹配失败。
（3）假设我们此时的子串与主串在 j = 4 时匹配失败。
（4）假设我们此时的子串与主串在 j = 5 时匹配失败。
（5）假设我们此时的子串与主串在 j = 6 时匹配失败。
（6）假设我们此时的子串与主串在 j = 7 时匹配失败。
（7）假设我们此时的子串与主串在 j = 8 时匹配失败。
（8）假设我们此时的子串与主串在 j = 9 时匹配失败。
（9）假设我们此时的子串与主串在 j = 10 时匹配失败。
到此我们有：Next[i] = { -1 , 0 , 0 , 0 , 1 , 2 , 1 , 2 , 3 , 4 , 5 }
根据这样的规则，我们就得到了一个包含子串每一位错误时对应的退回位置k的数组，这个数组叫做Next，而且能知道，next数组的长度与子串的长度相同。
--Next数组计算练习
1.a[] = "ababcabcdabcde"
2.b[] = "abcabcabcabcdabcde"
答案：
a[]: a b a b c a b c d a b c d e
-1 0 0 1 2 0 1 2 0 0 1 2 0 0
b[]: a b c a b c a b c a b c d a b c d e
-1 0 0 0 1 2 3 4 5 6 7 8 9 0 1 2 3 05.3用数学表示next数组（重点）
通过前面的学习，你应该已经知道怎么求Next数组了，但那是你用眼睛去看出来的Next数组而不是用推导出来的Next数组，当计算机拿到一个子串，除了默认值设定的Next[0] = -1,Next[1] = 0,其他什么都不知道，Next数组后面的每一位都需要我们去设计计算出来。
5.3.1arr2[k] == arr2[j]
arr2[] = "abcababcabc"
假设我们已知Next = { -1 , 0 , 0 , 0 , 1 , 2 , 1 , 2 , 3 ,? }，需要求解Next[9] = ?。
此时令j = 8那已知信息就有 arr[j] = 'a'，Next[j] = k = 3, arr[k] = 'a',此时arr[j] = arr[k]
那么: { arr2[ 0 ] , ... , arr2[ k - 1 ] } = "abc" { arr2[ x ] , ... , arr2[ j - 1 ] } = "abc" 即Next [ j ] = k = 3的原因
根据两组下标可知：(k-1) - 0 = (j - 1) - x ,所以 x = j - k 。
将x带回到第二组的下标中: { arr2[ 0 ] , ... , arr2[ k - 1 ] } = "abc" { arr2[ j - x ] , ... , arr2[ j - 1 ] } = "abc"
又因为arr[j] = arr[k] : { arr2[ 0 ] , ... , arr2[ k - 1 ] , arr2 [ k ] } = "abca" { arr2[ j - x ] , ... , arr2[ j - 1 ] , arr2 [ j ] } = "abca"
所以可知：Next [ j + 1 ] = k + 1 = 4 ！！！！！！！！！！！！！！
注意1：一定要记住k就是最大前后相等子串长度。
结论1：arr2[k] == arr2[j] ⇒ Next [ j+1 ] = k + 1
5.3.2 arr2[k] != arr2[j]
前面我们已经知道了当arr2[k] == arr2[j]，怎么求Next[ j + 1 ] ，现在我们再来看看当 arr2[k] != arr2[j]的情况
arr2[] = "abcababcabc"
假设我们已知Next = { -1 , 0 , 0 , 0 , 1 , 2 , ？ }，需要求解Next[6] = ？。
此时令j = 5那已知信息就有 arr[j] = 'a'，Next[j] = k = 2, arr[k] = 'c',此时arr[j] != arr[k]
那我们就让新的 k = Next[ k ] = 0。
此时我们又有已知信息 arr[j] = 'a'，Next[j] = k = 2, arr[k] = 'a',arr[j] = arr[k]
一些细心的读者可能会发现，现在又成了前一种情况arr[j] == arr[k]。
因此我们要求解的 Next[ j + 1 ] 根据之前推导的公式Next[ j + 1] = k + 1 ⇒ Next [ j + 1 ] = 1。
注意2：此时的 k 已经被改变过了，是新的k。
结论2：arr2[k] != arr2[j] ⇒ Next[ j+1 ] = k + 1
5.3.3 k回溯到尽头
一些读者可能又会提出疑问：我的例子太特殊，要是k一直往Next数组前面走，走到第一个元素都找不到相等呢？
一直都找不到，那我们此时k肯定回溯到了数组头部，即k = - 1处，那我们就停止回溯， Next [ j + 1 ] = k + 1 ⇒ Next [ j + 1] = 0。
结论3：k == -1 ⇒ Next[ j+1 ] = k + 1 。即Next[ j + 1 ] = 0。
以上就是KMP的精华所在，创造者成功的找到了高效回溯的之中存在的潜藏规律。这下你们大概能理解为什么KMP算法如此令人着迷了吧。
6.代码实现KMP
至此，如果你将前面的内容都理解了，那你基本把KMP算法掌握的差不多了，只剩如何用代码写出来的问题。下面我会分为两个部分讲解，有一定基础的读者也可以先尝试自己写一写，等遇到问题再回来看看我的代码与你的有何区别
6.1KMP外壳
现在我们不去管如何用代码得到Next数组，而是将Next数组当作已知，尝试通过写出KMP算法的外壳。
这里有三个要点：
1.主串不回退
2.子串回退到一个特殊的位置（通过前面我们已经知道，回退的特殊位置就是Next[ j ] = k
3.假设Next数组已知
代码如下：
#include<stdio.h>
#include<string.h>
int KMP(char* arr1, char* arr2)
{
int i = 0; //不需要记录匹配的首位置，
int j = 0; //因为kmp算法i不需要回溯
int len1 = strlen(arr1);
int len2 = strlen(arr2);
int Next[len2] = {0}; //假设Next已经得到，其长度为子
//串的长度
if (len1 == 0 && len2 == 0 || len2 == 0) //当arr1与arr2都为空或arr1为空
return 0; //时直接返回
else if (len1 == 0 || len2 > len1) //当arr1为空或者第二个字符串比
return -1; //第一个字符串长，不可能找到
while (i < len1 && j < len2) //当arr1和arr2都没走到尽头
{
if (arr1[i] == arr2[j])
{
i++;
j++;
}
else
{
j = Next[j]; //当主串与子串不同时j回溯到
//Next[j]，i不用回溯
}
}
if (j >= len2)
return i - j; //如果子串走到尽头，代表找到了
//返回开始匹配时的位置
return -1; //否则就是主串走到尽头，代表没
//找到
}6.2KMP内核
前面的代码相信大部分人都能够轻松完成，就是简单的对暴力求解进行了一点改造而已，那接下来我们去用代码求得Next数组。
这里我们只需要借助我们前面推出来的三个结论：
结论1：arr2[k] == arr2[j] ⇒ Next[ j+1 ] = k + 1 k不往子串前走
结论2：arr2[k] != arr2[j] ⇒ Next[ j+1 ] = k + 1 k往子串前走
结论3：k == -1 ⇒ Next[ j+1 ] = k + 1 k走到子串尽头
注意：虽然三个结论看起来相似，但一定要记住每个k分别是什么意思
代码如下:
void GetNext(int* Next, const char* arr2) //传入Next数组地址，传入子串首地址
{
int j = 1; //初始已知项 j = 1
int i = j + 1; //初始待求项 j+1 = 2
int k = 0; //待求的Next[j+1]前一项的k值
int len2 = strlen(arr2); //子串长度
Next[0] = -1; //Next数组前两个默认值
Next[1] = 0;
while (i < len2) //当待求项走到arr2尽头,k全求出
{
if ((k == -1) || arr2[k] == arr2[i - 1]) //结论1，结论3情况
{
Next[i] = k + 1;
k = k + 1; //待求的Next[j+1]前一项的k值
i++; //待求项往后走一位
}
else
{
k = Next[k]; //结论2情况
}
}
}6.3KMP全部代码
前面的代码很明显只将两个部分单独写出，并没有做出联系，因此还需要一些改动。
#include<stdio.h>
#include<string.h>
void GetNext(int* Next, const char* arr2) //传入Next数组地址，传入子串首地址
{
int j = 1; //初始已知项 j = 1
int i = j + 1; //初始待求项 j+1 = 2
int k = 0; //待求的Next[j+1]前一项的k值
int len2 = strlen(arr2); //子串长度
Next[0] = -1; //Next数组前两个默认值
Next[1] = 0;
while (i < len2) //当待求项走到arr2尽头，找完Next数组
{
if ((k == -1) || arr2[k] == arr2[i - 1]) //结论1，结论3情况
{
Next[i] = k + 1;
k = k + 1; //待求的Next[j+1]前一项的k值
i++; //待求项往后走一位
}
else
{
k = Next[k]; //结论2情况
}
}
}
int KMP(char* arr1, char* arr2)
{
int i = 0; //不需要记录匹配的首位置，
int j = 0; //因为kmp算法i不需要回溯
int len1 = strlen(arr1);
int len2 = strlen(arr2);
int* Next = (int*)malloc(len2 * sizeof(int)); //为Next数组开辟一个与子串一样长的
//空间
GetNext(Next, arr2); //借用Next函数得到Next数组的内容
if (len1 == 0 && len2 == 0 || len2 == 0) return 0; //当arr1与arr2都为空或arr1为空时直
//接返回
else if (len1 == 0 || len2 > len1) return -1; //当arr1为空或者第二个字符串比第一
//个字符串长
while (i < len1 && j < len2) //当arr1和arr2都没走到尽头
{
if (arr1[i] == arr2[j])
{
i++;
j++;
}
else
{
j = Next[j]; //当主串与子串不同时j回溯到
//Next[j]，i不用回溯
}
}
if (j >= len2)
return i - j; //如果子串走到尽头，代表找到了返回
//开始匹配时的位置
return -1; //否则就是主串走到尽头，代表没找到
}
int main()
{
char arr1[] = "abababcabc"; //测试用
char arr2[] = "abcabc";
char pos;
pos = KMP(arr1, arr2);
printf("%d", pos);
}7.结语
写下这篇博客，不单单是教大家，同时也是我自己的一个学习总结，如果各位学到了东西，还请不要吝惜你们的点赞收藏，这也将激励我写出更好的文章。
特别鸣谢：
@比特大博哥，如果大家看了我的视频还是有所不懂可以看大博哥的视频b站：BV1UL411E7M8
以上是关于KMP算法详解——多图，多例子（c语言）的主要内容，如果未能解决你的问题，请参考以下文章