KMP算法是一种改进的字符串匹配算法。给了一个原始串S和一个目标串T,需要对S和T进行匹配操作。
要实现这个功能,最朴素的想法是对于S和T,遍历检测对应位置上的字符时候匹配,如果出现不匹配的情况,那么S就跳到下一位,重新检测。这样的实现简单容易理解,但是弊端在于存在一些不必要的计算,KMP算法就是避免了这些重复计算的一种方法。今天晚上花了不少时间学习这个算法,目前理解还不是很透彻,暂且记录一下。
*
S:b a c b a b a b a a b c d a b
T: a b a b a c a
上述S和T,检测到如图所示状态,T中ababa都检测能够匹配,当检测c时,S中这个位置是a,不匹配,如果是朴素的算法,那么此时就要把S中※向后移动一个位置,然后重新检测。
但是,我们很直观就可以看到,这个位置开始的子串并不能够和T相匹配,那么怎么把这种直观的现象转化为代码呢?这就是KMP算法的精髓之处。
到达不匹配位置之前,检测了的T为ababa,最长的前缀后缀相等长度为3,也即aba=aba,所以S中与后缀对应的那个子串就能够与前缀相匹配。所以如果我们下一次的*移动到后缀对应的最开始位置时,是能够匹配的,但是另一方面,我们怎么确定这一位置之前的那些位置就不可以呢?
反证法:假设之前的位置也可以正确匹配,那么就有前缀等于这一小段子串,而这一小段子串在T中对应的就是后缀,那么这个前缀和后缀就相等了,此时的这个相等的长度就大于了之前的那个长度,这和之前的那个长度是最长的矛盾。所以,现在找到的位置为第一个可以正确匹配的。
算法的具体实现是由T得到一个数组,数组的各位表示在当前位置失配时应该移动的位数。
现在使用一个例子来说明。
l为前缀和后缀相等的最长长度
T:abcdabd
l:0000120
如果失配在当前位置,实际考虑移动是看的是前一位置,所以上述l右移一位
T:abcdabd
l: 0 0 0 0 1 2 0
n:-1 0 0 0 0 1 2
那么需要移动的位数就是之前匹配了的位数减去n
T:abcdabd
l: 0 0 0 0 1 2 0
n:-1 0 0 0 0 1 2
p: 1 1 2 3 4 4 4
网友评论