最后编辑于: 2021-11-02 17:22 | 分类: 算法&技术思想 | 标签: 字符串 | 浏览数: 1294 | 评论数: 0
这是我在网上找的资源的一个总结，会先给出一个我看了觉得还行的关于算法的讲解，再配上实现的代码：
Original author: Bill_Hoo
Original Address：http://blog.sina.com.cn/s/blog_6cf48afb0100n561.html
Original title: KMP算法详解——适合初学KMP算法的朋友
节选了原文的一部分，并不和原文完全相同
相信很多人（包括自己）初识KMP算法的时候始终是丈二和尚摸不着头脑，要么完全不知所云，要么看不懂书上的解释，要么自己觉得好像心里了解KMP算法的意思，却说不出个究竟，所谓知其然不知其所以然是也。
经过七八个小时地仔细研究，终于感觉自己能说出其所以然了，又觉得数据结构书上写得过于简洁，不易于初学者接受，于是决定把自己的理解拿出来与大家分享，希望能抛砖引玉，这便是Bill写这篇文章想要得到的最好结果了
---------谨以此文，献给刚接触KMP算法的朋友，定有不足之处，望大家指正-----------
KMP算法是一种改进后的字符串匹配算法，由D.E.Knuth与V.R.Pratt和J.H.Morris同时发现，因此人们称它为克努特——莫里斯——普拉特操作（简称KMP算法）。通过一个辅助函数实现跳过扫描不必要的目标串字符，以达到优化效果。
Bill认为，对于一种优化的算法，既要知道优化的细节，也更应该了解它的前身（至于KMP是否基于传统算法，我不清楚，这里只作语境上的前身），了解是什么原因导致了人们要去优化它，因此加入了这一段：
请看以下传统字符串匹配的代码：
``` c++
void NativeStrMatching( ElemType Target[], ElemType Pattern[] )
{
register int TarLen = 0; // Length of Target
register int PatLen = 0; // Length of Pattern
// Compute the length of Pattern
while( '\0' != Pattern[PatLen] )
PatLen++;
while( '\0' != Target[TarLen] )
{
int TmpTarLen = TarLen;
for(int i=0; i<PatLen; i++)
{
if( Target[TmpTarLen++] != Pattern[i] )
break;
if( i == PatLen-1 )
cout<<"Native String Matching,pattern occurs with shift "<<TarLen<<endl;
}
TarLen++;
}
}
```
传统匹配思想是，从目标串Target的第一个字符开始扫描，逐一与模式串的对应字符进行匹配，若该组字符匹配，则检测下一组字符，如遇失配，则退回到Target的第二个字符，重复上述步骤，直到整个Pattern在Target中找到匹配，或者已经扫描完整个目标串也没能够完成匹配为止。
这样的算法理解起来很简单，实现起来也容易，但是其中包含了过多不必要的操作，也就是在目标串中，有些字符是可以直接跳过，不必检测的。
不妨假设我们的目标串
Target = "a b c d e a b c d e a b c d f"需要匹配的模式串
Pattern = "c d f";那么当匹配到如下情况时
由于'e' != 'f'，因此失配，那么下次匹配起始位置就是目标串的'd'字符
我们发现这里照样失配，直到运行到下述情况
也就是说，中间的四个字符 d e a b 完全没有必要检测，直接跳转到下一个'c'开始的地方进行检测
由此可见传统算法虽然简单易行，但其中包含了过多的不必要操作，并不能很好地达到实际工作中需要的效率，因此个人认为此方法适合为初识字符串匹配做一个铺垫作用，有抛砖引玉之意。
说其抛砖引玉并不为过，对KMP算法的理解便可以基于传统模式串匹配算法进行思考。
既然知道了传统算法的不足之处，就要对症下药，优化这个冗余的检测算法。
KMP算法就能很好地解决这个冗余问题。
其主要思想为：
在失配后，并不简单地从目标串下一个字符开始新一轮的检测，而是依据在检测之前得到的有用信息（稍后详述），直接跳过不必要的检测，从而达到一个较高的检测效率。
如我们的
当第一次失配后，并不从红色标记字符'd'开始检测，而是通过一些有用信息，直接跳过后几个肯定不可能匹配的冗余字符，而直接让模式串Pattern从目标串的红色标记字符'c'开始新一轮的检测，从而达到了减少循环次数的效果
前面提到，KMP算法通过一个“有用信息”可以知道目标串中下一个字符是否有必要被检测，这个“有用信息”就是用所谓的“前缀函数（一般数据结构书中的next函数）”来存储的。
这个函数能够反映出现失配情况时，系统应该跳过多少无用字符（也即模式串应该向右滑动多长距离）而进行下一次检测，在上例中，这个距离为4.
总的来讲，KMP算法有2个难点：
下面分为两个板块分别详述：
对于前缀函数，先要理解前缀是什么：
简单地说，如字符串A = "abcde" B = "ab"
那么就称字符串B为A的前缀，记为B ⊏ A(注意那不是"包含于"，Bill把它读作B前缀于A)，说句题外话——"⊏"这个符号很形象嘛，封了口的这面相当于头，在头前面的就是前缀了。
同理可知 C = "e","de" 等都是 A 的后缀，以为C ⊐ A（Bill把它读作C后缀于A）
理解了什么是前、后缀，就来看看什么是前缀函数：
在这里不打算引用过多的理论来说明，直接引入实例会比较容易理解，看如下示例：
(下述字符若带下标，则对应于图中画圈字符)
这里模式串 P = “ababaca”,在匹配了 q=5 个字符后失配，因此，下一步就是要考虑将P向右移多少位进行新的一轮匹配检测。传统模式中，直接将P右移1位，也就是将P的首字符'a'去和目标串的'b'字符进行检测，这明显是多余的。通过我们肉眼的观察，可以很简单的知道应该将模式串P右移到下图'a3'处再开始新一轮的检测，直接跳过肯定不匹配的字符'b'，那么我们“肉眼”观察的这一结果怎么把它用语言表示出来呢？
我们的观察过程是这样的：
P的前缀"ab"中'a' != 'b'，又因该前缀已经匹配了T中对应的"ab"，因此，该前缀的字符'a1'肯定不会和T中对应的字串"ab"中的'b'匹配，也就是将P向右滑动一个位移是无意义的。
接下来考察P的前缀"aba"，发现该前缀自身的前缀'a1'与自身后缀'a2'相等，"a1 b a2" 已经匹配了T中的"a b a3"，因此有 'a2' == 'a3', 故得到 'a1' == 'a3'……
利用此思想，可推知在已经匹配 q=5 个字符的情况下，将P向右移 当且仅当 2个位移时，才能满足既没有冗余(如把'a'去和'b'比较)，又不会丢失(如把'a1' 直接与 'a4' 开始比较，则丢失了与'a3'的比较)。
而前缀函数就是这样一种函数，它决定了q与位移的一一对应关系，通过它就可以间接地求得位移s。
通过对各种模式串进行上述分析(大家可以自己多写几个模式串出来自己分析理解)，发现给定一个匹配字符数 q ，则唯一对应一个有效位移，如上述q=5,则对应位移为2.
这就形成了一一对应关系，而这种唯一的关系就是由前缀函数决定的。
这到底是怎样的一种关系呢？
通过对诸多模式串实例的研究，我们会找到一个规律（规律的证明及引理详见《算法导论(第二版)》）。
上例中，P 已经匹配的字符串为"ababa",那么这个字符串中，满足既是自身真后缀(即不等于自身的后缀)，又是自身最长前缀的字符串为"aba"，我们设这个特殊字串的长度为L，显然，L = 3. 故我们要求的 s = q - L = 5 - 3 = 2 ，满足前述分析。
根据这个规律，即可得到我们要求的有效位移s，等于已经匹配的字符数 q 减去长度 L。
即 s = q - L
因为已经分析得到该关系为一一对应关系，因此用数组来表示该函数是比较恰当的，以数组的下标表示已经匹配的字符数 q，以下标对应的数据存储 L。
以上是Bill的原文
char *strstr(char *haystack, char *needle)
{
int *iNext;
int iSoulen,iTemplen;
int i,j;
iSoulen=strlen(haystack);
iTemplen=strlen(needle);
iNext=(int *)malloc(sizeof(iNext)*iTemplen) ;
/*这里忘了C里面释放内存的命令是什么了，*/
/*使用时在结束处把这个数组释放掉*/
{/*GetNext*/
i=1,j=0;
if (iTemplen>=0) iNext[0]=-1;
if (iTemplen>=1) iNext[1]=0;
while (i<iTemplen)
{
if (j==-1||needle[i]==needle[j])
{
i++;
j++;
if (needle[i]!=needle[j]) iNext[i]=j;
else iNext[i]=iNext[j];
}
else j=iNext[j];
}
}/*end of GetNext;*/
{/*Search; */
i=0,j=0;
while (i<iSoulen&&j<iTemplen)
{
if (j==-1||haystack[i]==needle[j])
{i++;j++;}
else j=iNext[j];
}
if (j>=iTemplen) return &(haystack[i-iTemplen]);
else return NULL;
}/*end of Search*/
}