KMP算法是查詢子串比較快的一種算法!
我們先看普通的模式匹配算法。。
int Index(String S,String T,int pos)//參考《數據結構》中的程序
{
i=pos;j=1;//這里的串的第1個元素下標是1
while(i<=S.Length && j<=T.Length)
{
if(S[i]==T[j]){++i;++j;}
else{i=i-j+2;j=1;}//**************(1)
}
if(j>T.Length) return i-T.Length;//匹配成功
else return 0;
}
匹配的過程非常清晰,關鍵是當‘失配’的時候進行回溯!
看下面的例子:
S:aaaaabababcaaa T:ababc
aaaaabababcaaa
ababc.(.表示前一個已經失配)
回溯的結果就是
aaaaabababcaaa
a.(babc)
如果不回溯就是
aaaaabababcaaa
aba.bc
這樣就漏了一個可能匹配成功的情況
aaaaabababcaaa
ababc
為什么會發生這樣的情況?這是由T串本身的性質決定的,是因為T串本身有前后'部分匹配'的性質。如果T為abcdef這樣的,大沒有回溯的必要。
改進的地方也就是這里,我們從T串本身出發,事先就找準了T自身前后部分匹配的位置,那就可以改進算法。
如果不用回溯,那T串下一個位置從哪里開始呢?
還是上面那個例子,T為ababc,如果c失配,那就可以往前移到aba最后一個a的位置,像這樣:
...ababd...
ababc
->ababc
這樣i不用回溯,j跳到前2個位置,繼續匹配的過程,這就是KMP算法所在。這個當T[j]失配后,j應該往前跳的值就是j的next值,它是由T串本身固有決定的,與S串無關。
《數據結構》上給了next值的定義:
0 如果j=1
next[j]={Max{k|1<k<j且'p1
pk-1'='pj-k+1
pj-1'
1 其它情況
我當初看到這個頭就暈了,其實它就是描述的我前面表述的情況,關于next[1]=0是規定的,這樣規定可以使程序簡單一些,如果非要定為其它的值只要不和后面的值沖突也是可以的;而那個Max是什么意思,舉個例子:
T:aaab
...aaaab...
aaab
->aaab
->aaab
->aaab
像這樣的T,前面自身部分匹配的部分不止兩個,那應該往前跳到第幾個呢?最近的一個,也就是說盡可能的向右滑移最短的長度。
OK,了解到這里,就看清了KMP的大部分內容,然后關鍵的問題是如何求next值?先不管它,先看如何用它來進行匹配操作,也就是說先假設已經有了next值。
將最前面的程序改寫成:
int Index_KMP(String S,String T,int pos)
{
i=pos;j=1;//這里的串的第1個元素下標是1
while(i<=S.Length && j<=T.Length)
{
if(j==0 || S[i]==T[j]){++i;++j;} //注意到這里的j==0,和++j的作用就知道為什么規定next[1]=0的好處了
else j=next[j];//i不變(不回溯),j跳動
}
if(j>T.Length) return i-T.Length;//匹配成功
else return 0;
}
OK,是不是非常簡單?還有更簡單的,求next值,這也是整個算法成功的關鍵,從next值的定義來求太恐怖了,怎么求?前面說過了,next值
表達的就是T串的自身部分匹配的性質,那么,我只要將T串和T串自身來一次匹配就可以求出來了,這里的匹配過程不是從頭一個一個匹配,而是從T[1]和T
[2]開始匹配,給出算法如下:
void get_next(String T,int &next[])
{
i=1;j=0;next[1]=0;
while(i<=T.Length)
{
if(j==0 || T[i]==T[j]){++i;++j; next[i]=j;/**********(2)*/}
else j=next[j];
}
}
注意到(2)語句邏輯覆蓋的時候是T[i]==T[j]以及i前面的、j前面的都匹配的情況下,于是先自增,然后記下來next[i]=j,這樣每當i有
自增就會求得一個next[i],而j一定會小于等于i,于是對于已經求出來的next,可以繼續求后面的next,而next[1]=0是已知,所以整
個就這樣遞推的求出來了,方法非常巧妙。