KMP 前缀表

Posted

技术标签:

【中文标题】KMP 前缀表【英文标题】:KMP prefix table 【发布时间】:2012-11-27 08:16:50 【问题描述】:

我正在阅读关于 KMP 的字符串匹配。 它需要通过构建前缀表对模式进行预处理。 例如对于字符串ababaca,前缀表是:P = [0, 0, 1, 2, 3, 0, 1] 但我不清楚这些数字显示了什么。我读到它有助于在模式变化时找到匹配的模式,但我无法将此信息与表中的数字联系起来。

【问题讨论】:

Prefix Table在KMP算法中也称为Partial Match Table。这个博客解释得很漂亮 - The Knuth-Morris-Pratt Algorithm in my own words 【参考方案1】:

每个数字都属于相应的前缀(“a”,“ab”,“aba”,...),对于每个前缀,它代表该字符串与前缀匹配的最长后缀的长度。这里我们不把整个字符串算作后缀或前缀,它被称为自后缀和自前缀(至少在俄语中,不确定英文术语)。

所以我们有字符串“ababaca”。让我们看看它。 KMP 为每个非空前缀计算前缀函数。让我们将s[i] 定义为字符串,将p[i] 定义为Prefix 函数。前缀和后缀可能重叠。

+---+----------+-------+------------------------+
| i |  s[0:i]  | p[i]  | Matching Prefix/Suffix |
+---+----------+-------+------------------------+
| 0 | a        |     0 |                        |
| 1 | ab       |     0 |                        |
| 2 | aba      |     1 | a                      |
| 3 | abab     |     2 | ab                     |
| 4 | ababa    |     3 | aba                    |
| 5 | ababac   |     0 |                        |
| 6 | ababaca  |     1 | a                      |
|   |          |       |                        |
+---+----------+-------+------------------------+

计算字符串 S 的前缀函数的简单 C++ 代码:

vector<int> prefixFunction(string s) 
    vector<int> p(s.size());
    int j = 0;
    for (int i = 1; i < (int)s.size(); i++) 
        while (j > 0 && s[j] != s[i])
            j = p[j-1];

        if (s[j] == s[i])
            j++;
        p[i] = j;
       
    return p;

【讨论】:

更新了我的答案,希望现在更好。如果您在使用 KMP 时仍然遇到问题,您可以选择其他适合您需求的算法:Z-Function 或 Rabin-Karp(带散列)。 你刚刚帮助我完全理解了这一点,我现在可以编写自己的版本了。希望你会喜欢我的赏金! 这里j是什么意思,我知道是p[i],“前缀表”的一个元素,s[j]怎么理解,和s[i]比较 【参考方案2】:

此代码可能不是最短的,但易于理解的代码流。 计算prefix-Array-的简单Java代码

    String pattern = "ababaca";
    int i = 1, j = 0;
    int[] prefixArray = new int[pattern.length];
    while (i < pattern.length) 

        while (pattern.charAt(i) != pattern.charAt(j) && j > 0) 
            j = prefixArray[j - 1];

        
        if (pattern.charAt(i) == pattern.charAt(j)) 
            prefixArray[i] = j + 1;
            i++;
            j++;

         else 
            prefixArray[i] = j;
            i++;
        
    

    for (int k = 0; k < prefixArray.length; ++k) 
        System.out.println(prefixArray[k]);
    

它产生所需的输出-

0 0 1 2 3 0 1

【讨论】:

【参考方案3】:

Python 实现

p='ababaca'

l1 = len(p)

j = 0
i = 1
prefix = [0]

while len(prefix) < l1:
    if p[j] == p[i]:
        prefix.append(j+1)
        i += 1
        j += 1
    else:
        if j == 0:
            prefix.append(0)
            i += 1
        if j != 0:
            j = prefix[j-1]

print prefix

【讨论】:

【参考方案4】:

无偏移版本

这是基于我所谓的待办事项索引的想法:

int confix[1000000];

void build_confix(char *pattern) 
    // build len %
    int len_pat = strlen(pattern);
   
    // i, j using todo-indexing.
    int j, i;
    confix[j = 1] = i = 0;

    while (j < strlen(pattern)) 
        whlie (i && pattern[j] != pattern[i])
            // length -> length mapping, no offset
            i = confix[i];
        confix[++j] = pattern[j] == pattern[i]?
            ++i:
              0;
    

那你就可以用这个confix[]表在中间找到needles(test)

int kmp_find_first(char *test, char *needle) 
    int j = 0, i = 0;
    while (j < strlen(test)) 
        while (i && test[j] != needle[i])
            i = confix[i];
        ++j; test[j] == needle[i]?
            ++i:
              0;
        if (i == strlen(needle))
            return j - strlen(needle);
    
    return -1;

【讨论】:

【参考方案5】:

字符串文本 = "ababbabbababbabbabbabb"; 静态 int arr[30];

int i = 1;
while (i < text.length())

    int j = 0;
    int value = 0;
    while (((i + j) < text.length()) && (text[j] == text[i + j]))
        val[i + j] = ++value, j++;
    i += j + 1;

需要的输出存储在 val[]

【讨论】:

【参考方案6】:

我已经尝试过使用 javascript,欢迎提出建议。

const prefixArray = function (p) 
let aux = Array(p.length).fill(0);

// For index 0 the matched index will always be 0, so we will we start from 1
let i = 1;
let m = 0; // mismatched index will be from 0th

// run the loop on pattern length
while ( i < p.length) 

    // 3 Cases here
    // First when we have a match of prefix and suffix of pattern
    if(p.charAt(i) === p.charAt(m)) 
        // increment m
        m++;
        // update aux index
        aux[i] = m;
        // update the index.
        i++;
     
    // Now if there is no match and m !=0 means some match happened previously
    // then we need to move back M to that index
    else if(p.charAt(i) !== p.charAt(m) && m !== 0) 
        m = aux[m-1];
        // we dont want to increment I as we want to start comparing this suffix with previous matched
     else 
        // if none of the above conditions then
        // just update the current index in aux array to 0
        aux[i] = 0; // no match
        i++; // shift to the next char
    


return aux; 

【讨论】:

以上是关于KMP 前缀表的主要内容,如果未能解决你的问题,请参考以下文章

字符串算法①——kmp

POJ-2752(KMP算法+前缀数组的应用)

前缀函数与KMP算法

KMP算法

KMP算法

扩展KMP算法