字符串匹配之KMP算法

Posted 时间的女儿

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了字符串匹配之KMP算法相关的知识,希望对你有一定的参考价值。

1、前言:

leetcode上的28. Implement strStr()就是一个字符串匹配问题。字符串匹配是计算机的基本任务之一。所以接下来的两篇日志,都对相关的算法进行总结。

2、暴力求解算法

如果用暴力匹配的思路,并假设现在文本串S匹配到 i 位置,模式串P匹配到 j 位置,则有:

  • 如果当前字符匹配成功(即S[i] == P[j]),则i++,j++,继续匹配下一个字符;
  • 如果失配(即S[i]! = P[j]),令i = i - (j - 1),j = 0。相当于每次匹配失败时,i 回溯,j 被置为0。
     1 class Solution {
     2 public:
     3     int strStr(string haystack, string needle) {
     4         if(needle=="") return 0;
     5         int i = 0,j = 0;
     6         while(i<haystack.size()){
     7             int tagi;
     8             tagi = i;
     9             while((haystack[tagi] == needle[j])&&j<needle.size()){
    10                 tagi++;
    11             }
    12             if(j==needle.size()){
    13                 
    14                 return tagi-needle.size();
    15             }else{
    16                 j = 0;
    17             }
    18             i++;
    19         }
    20         return -1;
    21 }
    22 }

3、KMP算法原理

该部分内容转载自阮一峰 

1.

首先,字符串"BBC ABCDAB ABCDABCDABDE"的第一个字符与搜索词"ABCDABD"的第一个字符,进行比较。因为B与A不匹配,所以搜索词后移一位。

2.

因为B与A不匹配,搜索词再往后移。

3.

就这样,直到字符串有一个字符,与搜索词的第一个字符相同为止。

4.

接着比较字符串和搜索词的下一个字符,还是相同。

5.

直到字符串有一个字符,与搜索词对应的字符不相同为止。

6.

这时,最自然的反应是,将搜索词整个后移一位,再从头逐个比较。这样做虽然可行,但是效率很差,因为你要把"搜索位置"移到已经比较过的位置,重比一遍。

7.

一个基本事实是,当空格与D不匹配时,你其实知道前面六个字符是"ABCDAB"。KMP算法的想法是,设法利用这个已知信息,不要把"搜索位置"移回已经比较过的位置,继续把它向后移,这样就提高了效率。

8.

怎么做到这一点呢?可以针对搜索词,算出一张《部分匹配表》(Partial Match Table)。这张表是如何产生的,后面再介绍,这里只要会用就可以了。

9.

已知空格与D不匹配时,前面六个字符"ABCDAB"是匹配的。查表可知,最后一个匹配字符B对应的"部分匹配值"为2,因此按照下面的公式算出向后移动的位数:

  移动位数 = 已匹配的字符数 - 对应的部分匹配值

因为 6 - 2 等于4,所以将搜索词向后移动4位。

10.

因为空格与C不匹配,搜索词还要继续往后移。这时,已匹配的字符数为2("AB"),对应的"部分匹配值"为0。所以,移动位数 = 2 - 0,结果为 2,于是将搜索词向后移2位。

11.

因为空格与A不匹配,继续后移一位。

12.

逐位比较,直到发现C与D不匹配。于是,移动位数 = 6 - 2,继续将搜索词向后移动4位。

13.

逐位比较,直到搜索词的最后一位,发现完全匹配,于是搜索完成。如果还要继续搜索(即找出全部匹配),移动位数 = 7 - 0,再将搜索词向后移动7位,这里就不再重复了。

14.

下面介绍《部分匹配表》是如何产生的。

首先,要了解两个概念:"前缀"和"后缀"。 "前缀"指除了最后一个字符以外,一个字符串的全部头部组合;"后缀"指除了第一个字符以外,一个字符串的全部尾部组合。

15.

"部分匹配值"就是"前缀"和"后缀"的最长的共有元素的长度。以"ABCDABD"为例,

  - "A"的前缀和后缀都为空集,共有元素的长度为0;

  - "AB"的前缀为[A],后缀为[B],共有元素的长度为0;

  - "ABC"的前缀为[A, AB],后缀为[BC, C],共有元素的长度0;

  - "ABCD"的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共有元素的长度为0;

  - "ABCDA"的前缀为[A, AB, ABC, ABCD],后缀为[BCDA, CDA, DA, A],共有元素为"A",长度为1;

  - "ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA],后缀为[BCDAB, CDAB, DAB, AB, B],共有元素为"AB",长度为2;

  - "ABCDABD"的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB],后缀为[BCDABD, CDABD, DABD, ABD, BD, D],共有元素的长度为0。

16.

"部分匹配"的实质是,有时候,字符串头部和尾部会有重复。比如,"ABCDAB"之中有两个"AB",那么它的"部分匹配值"就是2("AB"的长度)。搜索词移动的时候,第一个"AB"向后移动4位(字符串长度-部分匹配值),就可以来到第二个"AB"的位置。

4、算法具体实现

4.1 next[]数组生成算法

 1 vector<int> next(needle.size(),0);
 2     int k = 0;
 3     for(int i = 1;i<needle.size();i++){
 4          //阶段三,在此之前都匹配,该值不匹配
 5         //寻找更小的匹配序列,递归调用,找到匹配的序列,若没有找到,到k为0停止
 6         while(k>0&&(needle[k]!=needle[i])){
 7             k = next[k-1];
 8         }
 9         //阶段一,还未发现任何一个重复匹配值。直接执行i++,继续寻找
10         //阶段二,找到重复匹配值,k++
11         if(needle[k] == needle[i]){
12             ++k;
13         }
14         next[i] = k;
15     }

在上图中,使用next[]数组来保存匹配表。匹配表初始化为长度与待查字符串相等,默认值均为0的数组。生成字符串的匹配表过程分为三个阶段:

1、还未发现任何一个重复的匹配值,直接向后遍历,执行i++,匹配表保持默认值0。

2、找到重复的匹配值,k++。

3、在该值以前的字符串都匹配,在此处的字符不匹配。我们递归调用k = next[k-1]来寻找更短的匹配字符串。

对于第三个阶段,

 

4.2 KMP完整算法

 1 class Solution {
 2 public:
 3     int strStr(string haystack, string needle) {
 4    
 5     if(needle.empty()) return 0;
 6     if(haystack.empty()) return -1;
 7     //pre config,create the next[]
 8     vector<int> next(needle.size(),0);
 9     int k = 0;
10     for(int i = 1;i<needle.size();i++){
11          //阶段三,在此之前都匹配,该值不匹配
12         //寻找更小的匹配序列,递归调用,找到匹配的序列,若没有找到,到k为0停止
13         while(k>0&&(needle[k]!=needle[i])){
14             k = next[k-1];
15         }
16         //阶段一,还未发现任何一个重复匹配值。直接执行i++,继续寻找
17         //阶段二,找到重复匹配值,k++
18         if(needle[k] == needle[i]){
19             ++k;
20         }
21         next[i] = k;
22     }
23     int j=0;//用来判断needle到哪一位
24     //match
25     for(int i = 0;i<haystack.size();i++){
26         //阶段1,未发现相同的值,i++,j=0
27         //阶段2,发现相同的值,i++,j++
28         //阶段3,j==needle.size(),找到合适的项,返回i-j,估计i j都大1
29         //阶段4分支,j>0,值不同,j = next[j-1];i不变,重新比较,再不同,再计算j = next[j-1],相同转2或者j==0转1
30         //阶段5,i==hay.size()没找到,返回-1.
31         while((haystack[i]!=needle[j])&&j>0){
32             j = next[j-1];
33         }
34         if(needle[j] == haystack[i]){
35             j++;
36         }
37         if(j == needle.size()){
38             //j比实际值大1,而i加1的操作在本次for循环最后才执行。
39             return i-j+1;
40         }
41    return -1;
42     
43     }
44 };

 

以上是关于字符串匹配之KMP算法的主要内容,如果未能解决你的问题,请参考以下文章

算法之字符串匹配的KMP算法1

Java数据结构之字符串模式匹配算法---KMP算法

字符串之KMP算法(C语言)

C++ 算法进阶系列之从 Brute Force 到 KMP 字符串匹配算法的优化之路

Java数据结构之字符串模式匹配算法---KMP算法2

串的模式匹配算法之kmp