KMP算法详解
什么是KMP算法
KMP算法是一种改进的字符串匹配算法,由D.E.Knuth,J.H.Morris和V.R.Pratt提出的,因此人们称它为克努特—莫里斯—普拉特操作(简称KMP算法)。KMP算法的核心是利用匹配失败后的信息,尽量减少模式串与主串的匹配次数以达到快速匹配的目的。具体实现就是通过一个next()函数实现,函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度]O(m+n) 。——百度百科
KMP算法的应用场景
- KMP算法是字符串查找的主流算法(也可以说是字符串匹配)
- 举个具体的例子:现在有主串“abcdabcdabe”和从串”abe“,现在要求在主串中找出从串的第一个匹配项的下标(下标从 0 开始),简单点来说,就是找到从串在主串第一次出现的位置。
KMP算法和暴力求解的比较
- 暴力求解的方法我已经在实现strStr中讲过,题目如图:
- 具体解析过程我们不再赘述,直接看暴力求解的代码:
int strStr(char * haystack, char * needle){ int len_hay = strlen(haystack); int len_need = strlen(needle); if(len_need > len_hay) return -1; int i = 0,j = 0; int count_j = 0; while(1) { i = 0; //每一次都要从字符串needle第一个字符开始匹配 j = count_j; if(haystack[j] == '\0') //如果if条件为真,就说明haystack已经遍历完,且没有出现完全匹配的情况,返回-1 return -1; //将字符串needle和字符串haystack的字符逐一匹配 while(needle[i] == haystack[j] && needle[i] != '\0' && haystack[j]!= '\0') { i++; j++; } //如果循环退出后needle[i]为'\0',就说明已经完全匹配,返回第一个匹配项的下标 if(needle[i] == '\0') return count_j; //如果未完全匹配,则从haystack的下一个字符开始重新与字符串needle进行匹配 else count_j++; } return -1; }
- 可以发现,这种方法最坏的情况就是从串出现在主串的最后(如主串“abcdabe”,从串“abe”这种情况),因此暴力解法的时间复杂度为O(M * N)(M,N分别为主串和从串的长度)
- 而上面说到KMP算法可以将这一匹配过程的时间复杂度降为O(N + M),极大地提高了效率。
字符串的前缀、后缀和最长相等前后缀
要理解KMP算法,首先要理解字符串前缀、后缀和最长公共前后缀这三个概念
- 字符串前缀:即是指不包含最后一个字符的所有以第一个字符开头的连续子串
- 如字符串“aebcdae”的前缀为{[a] , [ae] , [aeb] , [aebc] , [aebcd] , [aebcda]},如图:
- 字符串后缀:即是指不包含第一个字符的所有以最后一个字符结尾的连续子串
- 如字符串“aebcdae”的前缀为{[e] , [ae] , [dae] , [cdae] , [bcdae] , [ebcdae]}
- 最长相等前后缀:即是前缀和后缀最长相等的连续子串
- 如字符串“aebcdae”的最长公共前后缀为[ae]
KMP算法实现字符串匹配的具体过程(图解)
我们以主串"abcababcabc",从串 “abcabc”为例:
- 第一次匹配:在主串下标为5,从串下标为3时匹配失败,之后主串下标保持不变,从串下标变为为2
- 第二次匹配:在主串下标为5,从串下标为2处匹配失败,之后主串下标不变,从串下标变为0
- 第三次匹配:完全匹配
- 看完上面KMP算法具体的匹配过程,我们可以发现,当出现不匹配的情况时,我们的从串并没有返回到第一个字符重新开始匹配,而是返回到一个特定的位置,同样,主串是停留在原处(即不匹配的字符),而不是和暴力算法一样从第一个字符到第n个字符(遍历整个主串),那么,我们如何求出从串回溯的这一特定位置呢?
从串与主串的下标变化
首先我们规定从串进行匹配时,从串字符下标为j,主串字符下标为i
先下结论:当从串在下标为j的字符匹配失败时,要使匹配效率最高,j回退的位置就是 下标为从串j字符前子串的最长相等前后缀长度 的从串元素(j为下标)。而主串下标i保持不变。
j回退的位置(从串的下标变化)
- 就拿上面的例子来说:
- 在下标为5的字符(c)处匹配失败,我们将字符c前面的字符串称为子串
- 又由图我们可以发现,子串后面的两个元素已经和主串一一对应(匹配成功)
- 而c前面子串"abcab"的最长公共前后缀为ab,其长度为2。
- 将后缀ab匹配主串ab调整为前缀ab对应主串ab.
- 即j回退到的字符就是下标为最长公相等前后缀长度的字符(即最长相等前后缀ab的后一个字符c)
主串的下标变化
- 为什么主串保持不变?
- 其实道理也是一样的:
- 主串下标为i前的两个字符已经和从串的前面两个字符一一对应(已经对从串的j进行了调整)
- 那么我们就只需要继续匹配从串后面的字符和主串字符,而不需要像暴力求解一样依次遍历主串元素,从而降低了时间复杂度。
- 特殊情况:
- 有细心的小伙伴可能会提出疑问:如果j已经回退到从串的第一个字符,但仍不能和主串匹配呢?
- 我们来看一个例子:主串"abdefac",从串"ac"。
- 第一次匹配时,在i=1(字符b),j=1(字符c)时匹配失败
- 从串字符c前的子串为a,其最大相等前后缀长度为0,因此j回退到下标为0的字符a,i不变。
- 第二次匹配时,在i=1(字符b),j=0(字符a)时匹配失败
- 但此时j已经等于0了,已经退到不能再退了,这时我们就要移动i了,我们不断将i右移一个字符,直到主串下标为i的字符等于从串下标为j(j=0)的字符,然后再按上面的方法进行匹配。