大家好，我是小風(fēng)哥，今天簡(jiǎn)單聊聊字符串匹配kmp算法。

字符串匹配是計(jì)算機(jī)科學(xué)中非?；A(chǔ)的操作，給定兩個(gè)字符串a(chǎn)和b，我們需要判斷字符串a(chǎn)是否包含字符串b。

圖片

像你我這樣的普通程序員能想到的最簡(jiǎn)單方法是這樣的，用字符串b不斷去匹配每個(gè)主串中的子串。

假設(shè)給定這樣兩個(gè)字符串：

圖片

首先從主串的第一個(gè)位置和子串的第一個(gè)位置去匹配，我們發(fā)現(xiàn)A和B不相同：

圖片

因此主串指針后移一位，子串重新從最第一個(gè)字符開(kāi)始匹配。

圖片

這時(shí)我們發(fā)現(xiàn)A和C不同，因此匹配失敗。

圖片

主串指針回退到第三個(gè)字符，子串重新從第一個(gè)字符開(kāi)始匹配。

圖片

此時(shí)B和A又不同，重復(fù)上述過(guò)程。

這次成功找到多個(gè)相同的字符，但最后一個(gè)字符匹配失?。?/p>

圖片

按照我們的算法，主串指針需要回退到第5個(gè)字符重新匹配。

圖片

這就是你我這種肉體凡胎能想到的算法，時(shí)間復(fù)雜度是O(mn)，效率低下的原因當(dāng)然是主串指針需要回退。

然而有三位大神不是這么想的，它們跳出來(lái)凡人的思考方式發(fā)明了一種極具創(chuàng)意的算法，由于是三個(gè)人同時(shí)發(fā)現(xiàn)，因此這個(gè)算法取了三人名字的首字母，這就是著名的kmp算法。

圖片

看到這里相信你就能明白為什么這個(gè)算法很難掌握了吧，難是正常的，覺(jué)得不難才不正常，如果你能無(wú)師自通搞定kmp算法，那么早出生幾十年你也能和大師們并駕齊驅(qū)供我等凡夫俗子瞻仰。

廢話不多說(shuō)，接下來(lái)就讓我們領(lǐng)略一下大師的非凡境界。

注意看這個(gè)主串指針，大師們思考的第一個(gè)問(wèn)題就是，主串指針是否有必要回退，這是最關(guān)鍵最核心的問(wèn)題。

圖片

讓我們回到剛才部分匹配的示例。

主串指針是否需要需要回退呢？我們思考兩種可能。

第一種可能，即使能匹配成功，匹配成功的起始位置也在主串指針H及以后，在這種情況下主串指針不需要回退。

圖片

第二種可能，匹配成功的起始位置經(jīng)過(guò)主串指針H：

圖片

在這種情況下，主串指針之前的兩個(gè)字符A和B一定是成功匹配了的：此時(shí)我們只需要比較主串指針H及以后的位置即可。

圖片

只有這么兩種可能。

因此可以看到，主串指針根本就沒(méi)有必要回退。

現(xiàn)在我們知道了主串指針不需要回退，那么子串指針該從哪里開(kāi)始匹配呢？從頭開(kāi)始嗎？

圖片

注意看我們剛才提到的第二種可能，匹配成功的起始位置經(jīng)過(guò)主串指針H，在這種情況下，主串指針之前的兩個(gè)字符A和B一定是成功匹配了的，這意味著什么呢？

圖片

這意味著AB是這個(gè)字符串的后綴：

圖片

AB是這個(gè)字符串的前綴：

圖片

不要忘了這兩個(gè)字符串是成功匹配了的：

圖片

也就是說(shuō)這是兩個(gè)完全相同的字符串，這就意味著AB是成功匹配字符串的相同前后綴。

圖片

這樣子符串指針也不需要回退到起始位置，而是從共同前后綴的下一個(gè)位置開(kāi)始匹配即可。

圖片

而對(duì)于部分匹配的子串根本不存在共同前后綴的情況，

圖片

我們直接從子串起始位置進(jìn)行匹配。

圖片

可以看到，由于主串指針不回退，這大幅提高了算法的效率。

想要實(shí)現(xiàn)這樣的算法，關(guān)鍵是怎樣計(jì)算出部分匹配子串的共同前后綴。

因此我們來(lái)到了第二個(gè)核心問(wèn)題。

我們以ABCDAB為例來(lái)講解。

這是長(zhǎng)度為1的前后綴，這是長(zhǎng)度為2的前后綴，以此類(lèi)推。

圖片

可以看到，在所有的前后綴中，相同前后綴的最大長(zhǎng)度是2。

圖片

我們記下來(lái)。

實(shí)際上我們需要把所有子串的相同前后綴都計(jì)算出來(lái)。

對(duì)于ABCDA這個(gè)子串來(lái)說(shuō)，相同前后綴長(zhǎng)度是1，因?yàn)閮蓚€(gè)A是相同前后綴。

圖片

而對(duì)于ABCD這個(gè)子串來(lái)說(shuō)，相同前后綴的長(zhǎng)度是0，也就是沒(méi)有相同的前后綴。

其它也一樣。

這樣我們就到了一個(gè)數(shù)組，通過(guò)查找這個(gè)數(shù)組我們能知道任意子串的共同前后綴長(zhǎng)度。

圖片

這個(gè)數(shù)組在很多資料中被稱(chēng)之為next數(shù)組。

有了next數(shù)組就簡(jiǎn)單了。

假設(shè)此時(shí)我們發(fā)現(xiàn)兩個(gè)指針指向的字符不同，接下來(lái)只需要簡(jiǎn)單查找next數(shù)組：

圖片

發(fā)現(xiàn)已匹配部分的相同前后綴長(zhǎng)度是2：

圖片

因此主指針不動(dòng)，子串指針移動(dòng)到相同前后綴的下一個(gè)位置繼續(xù)去匹配即可。

圖片

可以看到，只要我們能得到next數(shù)組，就可以在線性時(shí)間復(fù)雜度內(nèi)解決問(wèn)題。

這里，我們來(lái)到了第三個(gè)核心問(wèn)題，那就是該怎樣高效計(jì)算出next數(shù)組。

假設(shè)此時(shí)我們已經(jīng)計(jì)算出了這個(gè)子串的共同前后綴，也就是長(zhǎng)度為n的這兩個(gè)部分。

圖片

接下來(lái)計(jì)算下一個(gè)位置的最長(zhǎng)前后綴，我們只需要分別后移兩個(gè)指針，然后比較字符是否相等，這里有兩種可能。

第一種可能是接下來(lái)的字符相同，那么這個(gè)子串的最長(zhǎng)相同前后綴的長(zhǎng)度就是n+1。

圖片

然后寫(xiě)到next數(shù)組即可，這很好理解。

圖片

但是如果下一個(gè)位置的字符不相等該怎么辦呢？

注意接下來(lái)是整個(gè)算法最核心的，也是最具技巧的地方。

如果接下來(lái)的兩個(gè)字符不相等，那么前面的這部分絕無(wú)可能形成最長(zhǎng)前后綴。

圖片

因此我們只能找一個(gè)更短的。

圖片

如果能找到一個(gè)更短的，這就意味著這兩部分會(huì)形成一個(gè)共同前后綴。

圖片

然后我們繼續(xù)比較下一個(gè)字符就可以了，這就回到最初的問(wèn)題。

那么這兩部分相同意味著什么呢？

不要忘了紅色部分是我們之前找到一個(gè)共同前后綴，也就是說(shuō)紅色部分的子串完全相同。

圖片

而現(xiàn)在這兩個(gè)子串也相同，這就意味著這兩個(gè)更小的子串其實(shí)是紅色部分子串的最長(zhǎng)前后綴。

圖片

不要忘了，此時(shí)我們的指針已經(jīng)來(lái)到了這里，前面這部分的next數(shù)組已經(jīng)計(jì)算出來(lái)了。

圖片

通過(guò)查next數(shù)組，我們可以快速得到更短前后綴的長(zhǎng)度。

既然紅色部分的長(zhǎng)度是n，那么更短前后綴的長(zhǎng)度其實(shí)就是next[n-1]。

圖片

再來(lái)看下，紅色部分的長(zhǎng)度是n，那么更短前后綴的長(zhǎng)度是next[n-1]。

也就是這個(gè)位置。

圖片

這就是計(jì)算next數(shù)組源代碼中n=next[n-1]這句話的含義。

圖片

現(xiàn)在我們?cè)賮?lái)看一遍整個(gè)過(guò)程。

此時(shí)兩個(gè)字符的長(zhǎng)度不等，那么我們只需要簡(jiǎn)單查一下next[n-1]：

圖片

這就是更短的前后綴長(zhǎng)度，假設(shè)是4。

圖片

此時(shí)前一個(gè)指針回退到位置4，繼續(xù)比較下一個(gè)字符即可。

圖片

如果下一個(gè)字符相同，那么當(dāng)前位置next數(shù)組的值就是n+1。

而如果下一個(gè)字符不相同，我們繼續(xù)查找next[n-1]，然后前一個(gè)指針回退，繼續(xù)比較下一個(gè)位置即可。

圖片

這就是完整的kmp算法實(shí)現(xiàn)，可以看到整個(gè)代碼實(shí)際上只有30多行。

如果你能在50多年前寫(xiě)出這幾行代碼，你也能和它們并列，在計(jì)算機(jī)科學(xué)史上會(huì)留下你的一筆。

圖片

好啦，以上就是本期全部?jī)?nèi)容。