目录
概述
为什么大家总觉得KMP难？难的根本就不是这个算法本身。
在互联网上你可以见到八十种KMP算法的next数组定义和模式串回滚策略，把一切都懂得特别混乱。很多时候初学者的难点根本不在于这个算法本身，而是它令人痛苦的百花齐放的定义。
有的next数组从0下标开始，有的从1开始；有的表示不包括本字符的前面部分的真前后缀，有的表示包括本字符的的前后缀，有的回滚+1，有的不+1，而他们却总是忽略这些异同，自顾自地讲KMP的匹配问题。初学者看到这直接傻了眼：随便挑两个视频或者文章，他们的定义和递推手段都不一样，让理解难度雪上加霜。
下面我们来先从字符串匹配讲起，想一想什么样的next数组定义才最适合这个算法本身。
LeetCode 28：
给你两个字符串 haystack 和 needle ，请你在 haystack 字符串中找出 needle 字符串的第一个匹配项的下标（下标从 0 开始）。如果 needle 不是 haystack 的一部分，则返回 -1 。
示例 ：
输入：haystack = "sadbutsad", needle = "sad" 输出：0 解释："sad" 在下标 0 和 6 处匹配。 第一个匹配项的下标是 0 ，所以返回 0 。
*注意*： 接下来我们将称呼haystack为主串，needle为模式串。
思路
最普通的暴力算法总是在匹配失败后将主串指针i回滚到开始匹配的位置，模式串指针j回滚到0，然后在一轮for循环结束后执行i++操作来跳过这个匹配失败的位置。来看看Code。
class Solution {
public:
int strStr(string haystack, string needle) {
const int n=haystack.size();
const int m=needle.size();
for(int i=0;i<n;i++){
if(haystack[i]==needle[0])
for(int k=i,j=0;k<n;k++){
if(haystack[k]==needle[j])j++;
else break;
if(j==m)return i;
}
}
return -1;
}
};来想一想：都回滚j了，为什么还回滚i？难道就因为有一个字符匹配失败了就放弃前面所有的努力吗？
至少在最后的失败字符之前，我们匹配成功了。这意味着：
模式串为pattern,主串为main
j
pattern[j] a b c a b f g
√ √ √ √ √ ×
main[i] a b c a b k v q x t
i至少在'f'字符与'k'字符对比之前，我们的匹配成功了。
这意味着，main函数的此前部分和pattern的此前部分一一对应，这一部分字符串我们称之为str1。
这时候的一个独到之处就是：
在这段主串和模式串共同的[模式串begin,失配位置y)的str1中，任取这段字符之中的任意位置x，从x开始，一直到匹配失败的位置之前，模式串与主串都相同，这部分[x,y)的子串我们称为str2。
即：str2是str1的一个后缀子串
那我们如果可以有一个特殊的回滚模式串指针j的手段：不回滚到模式串最开始，而是回滚到模式串的某个位置t，把[模式串begin,某位置t)称为str3，而它与str2相同。
是的，我们要找一个模式串的头部子串，它与模式串的某个尾部字串是相同的。
结合例子感受一下：
模式串为pattern,主串为main
┌str3┐ j<-------j
pattern[j] |a b c a b |f g
| └str2┘|
|√ √ √ √ √ |
| ┌str2┑|
main[i] |a b c a b |k v q x t
└----str1------┘i这样看还是不够清晰，我们把j的移动形象理解成模式串的移动。
模式串为pattern,主串为main
┌str3┐ j<-------j
pattern[j] a b c a b f g
└str2┘
√ √
┌str2┑
main[i] a b c a b k v q x t
└----str1-----┘ i接下来我会用前后缀的语言代替“某某部分”：
//这是对前后缀的解释，如果你了解，可以跳过
对于一个字符串
begin back
a b a c d x f a c a d
----> ---->
前缀 后缀 //*注意*：前后缀的字符顺序都是从前向后
前缀是从[begin,x]的任意子字符串 真前缀的x不等于back
后缀是从 [x,back] 的任意子字符串 真后缀的x不等于begin归纳一下：
当匹配到主串i位置同时模式串j位置，匹配失败时：
str2既是主串的[0,i)子串的一个后缀，又是模式串的[0,j)子字符串的一个后缀。
str3则是模式串中[0,j)子串的某个前缀，这个前缀与str2这个后缀相等。
因此，模式串中的str3能与模式串中的str2匹配，就意味着模式串中的str3与主串中的str2是天生匹配的。
形象理解：
str3==str2
pattern -str3------str2-
√√√√√√√√√√√√√√√×
main -----------str2-
↓
pattern -str3------str2-
√√√√√?
main -----------str2-那按理来说，这是一个模式串的自匹配问题：对于模式串的每个位置j，都有[0,j)子串，都要找到他们的最长相同真前后缀。
因此问题就转化成了：
枚举模式串的每个下标j，求出它的[0,j)子串的最长相同真前后缀，这样，当在任意位置匹配失败时，就可以知道j的回滚位置了,而i从不回滚。
核心概念：前缀函数
网络上各种奇异搞笑的next数组定义的根本来源是他们没搞懂前缀函数和next数组的区别。
前缀函数是一个独立的算法函数概念，next数组只是它针对于KMP算法的特化版本。
1.前缀函数
它写作π[i]或PM[i]。
定义：
给定一个长度为n的字符串，其前缀函数被定义为一个长度为n的数组π[n]（或：PM[n]）。 其中π[i]的意义是：字符串的[0,i]子串的最长相同真前后缀。
故有：
j 0 1 2 3 4 5 6
string str[j] a b c a b c d
π[j] 0 0 0 1 2 3 0这是标准的前缀函数定义，他长度就是n，下标起始位置就是0，其他的任何一种next数组都是他的特化版本。
*注意*：我通常使用j来作为next数组和模式串的索引。
2.next数组
在KMP匹配算法中，π数组变成了next数组，有如下几种方案：
1.考研版本
①模式串、主串和next数组下标统一从1开始计数。[j]表示第j个字符处，而不是索引0代表第1个字符。next[0]值为-1。
②next[j]表示原字符串{s[1]...s[j-1]}的最长相同真前后缀长度，它记录在了next[j]。next[j]的值不包括第j个字符。
③回滚代码：j=next[j]+1。
例如上文的"abcabcd"，如果当j=7失配时，由于next[j]=3，那么j会从4开始继续匹配，跳过了123。
j 0 1 2 3 4 5 6 7
string str[j] n a b c a b c d
next[j] -1 0 0 0 0 1 2 3
//n通常储存字符串的长度信息。*注意*：你还会见到next[0]=0，且next数组整体+1的版本，它是另一个考研版本，只是将回滚代码的+1操作融入了next数组中，回滚代码：j=next[j]，此处不再赘述。
2.竞赛版本
事实上，在竞赛或者各大算法平台，字符串下标仍然从0开始，我们要为这个原则服务。
①字符串下标仍然从0开始，但我们仍然期望next数组下标从1开始。即主串与模式串从0开始，next数组从1开始，next数组长度比模式串大1，后续你会发现这样做的好处。
②next[j]表示原字符串*前j个字符*的最长相同真前后缀长度，它记录在了next[j]，这里发生了错位。（next[0]=0，这样当j=0时执行回滚不会发生溢出，next[1]=0，第一个字符没有真先后缀）。
③回滚代码：j=next[j]。next数组错位的目的就是避免回滚代码发生+1-1的问题，这样能有效规避溢出。
例如上文的"abcabcd" ，如果当j=6失配时，next[j]==3，那么j会从3开始继续匹配，跳过了012。
即：j在某处失配时，它前面有j个字符，且这j个字符最长相同前后缀长度len储存在了next[j]，可以快速访问next[j]得到j的回滚位置，回滚后恰好跳过len个字符。（我们总是期望在一轮for循环后j指向一个有待下一轮循环商榷的位置，不论是j++还是j=next[j]，都是这样的。）
j 0 1 2 3 4 5 6 7
string str[j] a b c a b c d \0
next[j] 0 0 0 1 2 3 0 算法过程
*注意*：我们会以竞赛版本的KMP进行讲解。它稍微更改就可以变成考研版。
构建next数组
构建next数组才是KMP本身具有难度的地方。
推论：字符串增加一个字符，它的最长相同真前后缀至多+1。这个不起眼的推论是构建的核心。
但是我们可以将其总结为3点：
①next[0]=0,next[1]=0，这两个直接无视。随后发生for循环int i=1,j=0。
i向前探索；j即用于为next[i+1]赋值，又作为下标索引与向前探索的i遥相呼应：[0,j]与[i-j,i]匹配。
因此j同时代表着：[0,i]的公共前后缀长度数值，也是与i这个前方下标呼应的后方下标。
记得我们的定义是：next[j]表示原字符串*前j个字符*的最长相同真前后缀长度，i+1这个值才是[0,i]字符串的字符个数，因此j为next[i+1]赋值。
②当pattern[i]!=pattern[j]，即位置i与位置j字符不匹配，通过while循环回滚j，如果仍失配，继续回滚，一直到j==0。
这一点是KMP的精髓所在：我们一边构建next数组，一边利用next数组回滚j。
这听起来很不可思议，但是注意：next数组是从前向后构建的，而回滚是向前的。这说明：我们在利用已经构建起的next数组进行回滚，而不会发生某种奇怪的冲突。
但是为什么用next数组回滚j呢？还记得next数组是干什么用的吗？它就是指示：当失配时，请从这里再试一试。不一定非要模式串与主串匹配才有失配，模式串自匹配时前缀不等于后缀也叫失配。我们回滚j就是期望将j回滚到可能与pattern[i]匹配的位置。
如果一直到j==0还失败，那就意味着不存在相同前后缀，那么为next[i+1]=j（即赋0值也是合理的了）
③判断pattern[i]是否等于pattern[j]。
如果因为j与i成功匹配而脱离while循环，那么j++，因为我们的最长相同前后缀+1。
void get_next(string&pattern,vector<int>&next){
next[0]=0,next[1]=0;
const int m=pattern.size();
for(int i=1,j=0;i<m;i++){
while(j&&pattern[j]!=pattern[i])j=next[j];
if(pattern[j]==pattern[i])j++;
next[i+1]=j;
}
}匹配过程
匹配过程与构建过程极其类似。
主要是以下三点：
①当main[i]!=pattern[j]，即在此处失配时，通过while循环回滚j，如果仍失配，继续回滚，一直到j==0。
②跳出while后判断main[i]是否等于pattern[j]。
由于脱离while要么是两者相等，要么不相等但j==0，那么：
if为真意味着：两者匹配成功，j++，i++。（两者在一轮循环后分别指向有待下一轮循环商榷的位置。）
if为假意味着：这一步就是判断出现j等于0且仍无法匹配的状况，那么认为这个i终究无法匹配，j停滞在0，随后放弃i的当前位置，i自增。
③判断j==m，这意味着完全匹配，返回i-m+1。(注意这里有个+1的细节：一轮for循环结束之前i++还未发生)
for(int i=0,j=0;i<n;i++){
while(j&&main[i]!=pattern[j])j=next[j];
if(main[i]==pattern[j])j++;
if(j==m)return i-m+1;
}
return -1;复杂度
时间复杂度：O(n+m)
空间复杂度：O(m)
n：主串长度
m：模式串长度
Code
class Solution {
public:
void get_next(string& pattern, vector<int>& next){
const int m = pattern.size();
for (int i = 1, j = 0; i < m; i++){
while (j && pattern[j] != pattern[i])
j = next[j];
if (pattern[j] == pattern[i]) j++;
next[i + 1] = j;
}
}
int strStr(string haystack, string needle) {
const int n = haystack.size(), m=needle.size();
vector<int> next(m+1,0);
get_next(needle, next);
for (int i = 0, j = 0; i < n; i++){
while (j && haystack[i] != needle[j])
j = next[j];
if (haystack[i] == needle[j]) j++;
if (j == m) return i - m + 1;
}
return -1;
}
};（如果你充分理解了本文，就会发现代码竟然如此直观） 。
337
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
