KMP算法,背景不必多说,主要想写一写自己对KMP算法的一些理解和其具体实现。
关于KMP算法的原理,阮一峰老师的这篇文章足矣。
文中对KMP算法的匹配过程以及“部分匹配表”具体代表什么,都解释的十分简洁明了,看过之后也算是对KMP算法有了一个直观的了解。
下面我想就算法的具体实现,尤其是“部分匹配表”的生成(个人认为KMP算法实现中,最不容易理解的部分),进行一些分析。
KMP算法具体实现
KMP算法的主体是,在失去匹配时,查询最后一个匹配字符所对应的“部分匹配表“中的值,然后向前移动,移动位数为:
移动位数 = 已匹配的字符数 - 对应的部分匹配值
比如对如下的匹配:
在D处失去匹配,那么查询最后一个匹配字符B在部分匹配表中的值为2。
则向前移动6-2=4位。(其实就相当于从搜索词的第二位开始重新进行比较)
下面是算法主体的实现
这里的next
数组即“部分匹配表”。注意因为搜索词最后一位对应的部分匹配值是没有意义的,所以为了编程方便,我们将”部分匹配表“整体向后移一位,并把第一位设为-1。
//Java
/**
* KMP算法.<br/>
* 在目标字符串中对搜索词进行搜索。<br/>
*
* @param t 目标字符串
* @param p 搜搜词
* @return 搜索词第一次匹配到的起始位置或-1
*/
public int KMP(String t, String p) {
char[] target = t.toCharArray();
char[] pattern = p.toCharArray();
// 目标字符串下标
int i = 0;
// 搜索词下标
int j = 0;
// 整体右移一位的部分匹配表
int[] next = getNext(pattern);
while (i < target.length && j < patter.length) {
// j == -1 表示从搜索词最开始进行匹配
if (j == -1 || target[i] == pattern[j]) {
i++;
j++;
// 匹配失败时,查询“部分匹配表”,得到搜索词位置j以前的最大共同前后缀长度
// 将j移动到最大共同前后缀长度的后一位,然后再继续进行匹配
} else {
j = next[j];
}
}
// 搜索词每一位都能匹配成功,返回匹配的的起始位置
if (j == pattern.length)
return i - j;
else
return -1;
}
KMP算法的搜索过程还是比较好理解的。
接下来最容易被绕进去的部分来了,求解“部分匹配表”即next
数组。
部分匹配表(next数组)的生成
其实,求next数组的过程完全可以看成字符串匹配的过程,即以搜索词为主字符串,以搜索词的前缀为目标字符串,一旦字符串匹配成功,那么当前的next值就是匹配成功的字符串的长度。
具体来说,就是从模式字符串的第一位(注意,不包括第0位)开始对自身进行匹配运算。 在任一位置,能匹配的最长长度就是当前位置的next值,如下图所示。
(这里next数组下标从1开始表示)
下面是算法的具体实现
//Java
/**
* 生成部分匹配表.<br/>
* 生成搜索词的部分匹配表<br/>
*
* @param p 搜搜词
* @return 部分匹配表
*/
private int[] getNext(String pattern) {
char[] p = pattern.toCharArray();
int[] next = new int[p.length];
// 第一位设为-1,方便判断当前位置是否为搜索词的最开始
next[0] = -1;
int i = 0;
int j = -1;
while(i < p.length - 1) {
if (j == -1 || p[i] == p[j]) {
i++;
j++;
next[i] = j;
} else {
j = next[j];
}
}
return next;
}
这里j = next[j]
的写法十分巧妙,却有点难以理解(至少我一开始想了很久...),其实就是一个不断的回溯过程。
next[j]
表示p[j]
前面的最大共通前缀后缀的长度,那么p[next[j]]
则表示这个共通前后缀的最后一个字符。
如果p[next[j]] == p[j]
则可以肯定next[j+1] == next[j] + 1
。而当p[next[j]] != p[j]
时,就应该考虑,既然next[j]
长度的前缀后缀都不能匹配了,那么就应该缩短这个匹配的长度。直接从头开始重新匹配,那就是最朴素的暴力匹配了,效率太低。
此时对于next[j]
这个字符串本身,也是有自己的最大共通前后缀的,那么next[next[j]]
则代表p[next[j]]
前面的最大共通前缀后缀长度。所以令j = next[j]
然后从p[j]
重新开始比较,如果不匹配的话再重复以上过程,最终得到结果。