学习自,微信公众号,代码随想录,膜拜Carl大佬!
文章地址
此外,这篇博文写的也是特别清楚,只是两篇文章对于next数组的定义有些许不同,感兴趣的同学可以阅读学习。地址
1.何为KMP
其实是三个人的名字缩写,分别为Knuth,Morris和Pratt。
KMP主要应用在字符串匹配上,主要思想是**当出现字符串不匹配时,可以知道一部分之前已经匹配的文本内容,可以利用这些信息避免从头再去做匹配了
例如,在一个串中查找是否出现过另一个串,这是KMP的看家本领。
那么如何记录这些信息呢???这是KMP的重点,也是next数组所包含的意义!所以在接下来的学习和应用中,要深刻理解next数组里的数字表示的是什么,为什么这么表示?**
2.前缀表
next数组其实就是一个前缀表,是用来回溯的。它记录了模式串与主串(文本串)不匹配的时候,模式串应该从哪里开始重新匹配。
为了能清楚前缀表的来历,举个例子:
要在文本串:aabaabaafa中查找是否出现过一个模式串:aabaaf。
请记住文本串和模式串的作用,对于理解下文很重要,要不然容易看懵。
自行匹配发现,文本串中第六个字符b 和 模式串的第六个字符f,不匹配了。如果是一般的暴力匹配,发现不匹配,此时就要返回模式串的开头,从头匹配。
但如果使用前缀表,就不会从头匹配,而是从上次已经匹配的内容开始匹配,找到了模式串中第三个字符b继续开始匹配。
这就是KMP相对于一般解法的优点。
所以,可以知道前缀表的意义:当前位置匹配失败时,前缀表会告诉你下一步匹配中,模式串应该跳到哪个位置开始匹配,而不是像暴力解法一样都从头开始匹配。
所以,可以自己考虑一下,当第六个模式串匹配失败时,应该跳到哪个位置重新开始匹配最高效???
想一想,是不是下面这句话总结的呢??
匹配失败字符前有一段匹配成功的子模式串(也就是字符串aabaa),它的最长相等的前缀 和 后缀字符串是子字符串aa ,因为找到了最长相等的前缀和后缀,匹配失败的位置是后缀子串的后面,那么我们是不是找到与其相同的前缀的后面从新匹配就可以了??
所以前缀表具有告诉我们当前位置匹配失败,跳到之前已经匹配过的地方的能力。
3.计算前缀表的实例
- 长度为前1个字符的子串a,最长相同前后缀的长度为0。(注意这里计算相同前后缀,不算重复的字符)
- 长度为前2个字符的子串aa,最长相同前后缀的长度为1。
- 长度为前3个字符的子串aab,最长相同前后缀的长度为0。
以此类推:
长度为前4个字符的子串aaba,最长相同前后缀的长度为1。
长度为前5个字符的子串aabaa,最长相同前后缀的长度为2。
长度为前6个字符的子串aabaaf,最长相同前后缀的长度为0。
那么把求得的最长相同前后缀的长度就是对应前缀表的元素,如图:
可以看出前缀表里的数值代表着就是:当前位置之前的子串有多大长度相同的前缀后缀。
匹配时,找到的不匹配的位置, 那么此时我们要看它的前一个字符的前缀表的数值是多少。
为什么要看前一个字符的前缀表的数值呢,因为要找前面字符串的最长相同的前缀和后缀,所以要看前一位的 前缀表的数值。
前缀表有个问题不知道,大家发现了死循环没。
看这个位置红框的位置,如果要找下表1 所对应 前缀表里的数值的时候,前缀表里的数值依然是1,然后就要跳到下表1的位置,如此就形成了一个死循环。
如何怎么避免呢,就把前缀表里的数值统一减一, 开始位置设置为-1 。 这一点对理解后面KMP代码很重要!!
改为如图所示:
这样就避免的死循环,只不过后续取 前缀表里的数值的时候,要记得再+1,才是我们想要的值。
最后得到的新前缀表在KMP算法里通常用一个next数组来表示。
注意这个next数组就根据模式串求取的。
4. 使用KMP时间复杂度分析
假设文本串长度为n,模式串长度为m;
因为在匹配的过程中,根据前缀表不断调整匹配的位置,可以看出匹配的过程是O(n),但之前还要单独生成next数组,时间复杂度是O(m)(next数组的实现代码将在后续文章中继续讲解),所以整个KMP算法的时间复杂度是O(n+m)的。
所以,KMP很难吗?
5.如何编程求next数组
//自动获取next数组呢
void getNext(int* next, const string& s){
int j = -1;
next[0] = j;
for(int i = 1; i < s.size(); i++) { // 注意i从1开始
while (j >= 0 && s[i] != s[j + 1]) { // 前后缀不相同了
j = next[j]; // 向前回溯
}
if (s[i] == s[j + 1]) { // 找到相同的前后缀
j++;
}
next[i] = j; // 将j(前缀的长度)赋给next[i]
}
}