KMP算法

本文爲轉載,源出處:

http://blog.csdn.net/yaochunnian/article/details/7059486 ios

菜鳥一個,轉載過來跟你們一塊兒分享一下,共同進步算法

引記

    此前一天,一位MS的朋友邀我一塊兒去與他討論快速排序,紅黑樹,字典樹,B樹、後綴樹,包括KMP算法,惟獨在講解KMP算法的時候,言語磕磕碰碰,我想,緣由有二:1、博客內的東西不常回顧,忘了很多;2、即是我對KMP算法的理解還不夠完全,自不用說講解自如,運用自如了。因此,特再寫本篇文章。因爲此前,我的已經寫過關於KMP算法的兩篇文章,因此,本文名爲:KMP算法之總結篇。數組

   本文分爲以下六個部分:函數

  1. 第一部分、再次回顧普通的BF算法與KMP算法各自的時間複雜度,並兩相對照各自的匹配原理;測試

  2. 第二部分、經過我此前第二篇文章的引用,用圖從頭至尾詳細闡述KMP算法中的next數組求法,並運用求得的next數組寫出KMP算法的源碼;spa

  3. 第三部分、KMP算法的兩種實現,代碼實現一是根據本人關於KMP算法的第二篇文章所寫,代碼實現二是根據本人的關於KMP算法的第一篇文章所寫;.net

  4. 第四部分、測試,分別對第三部分的兩種實現中next數組的求法進行測試,挖掘其區別之所在;指針

  5. 第五部分、KMP完整準確源碼,給出KMP算法的準確的完整源碼;orm

  6. 第六步份、一眼看出字符串的next數組各值,經過幾個例子,讓讀者能根據字符串自己一眼判斷出其next數組各值。blog

    力求讓此文完全讓讀者洞穿此KMP算法,全部原理,前因後果,讓讀者搞個統統透透(注意,本文中第二部分及第三部分的代碼實現一的字符串下標i 從0開始計算,其它部分如第三部分的代碼實現二,第五部分,和第六部分的字符串下標i 皆是從1開始的)。

    在看本文以前,你心中如若對前綴和後綴這個兩個概念有本身的理解,便最好了。有些東西好比此KMP算法須要咱們反覆思考,反覆求解才行。我的寫的關於KMP算法的第二篇文章爲:六(續)、從KMP算法一步一步談到BM算法;第一篇爲:6、教你初步瞭解KMP算法、updated(文末連接)。ok,如有任何問題,懇請不吝指正。多謝。

第一部分、KMP算法初解

1普通字符串匹配BF算法與KMP算法的時間複雜度比較

    KMP算法是一種線性時間複雜的字符串匹配算法,它是對BF算法(Brute-Force,最基本的字符串匹配算法的)改進。對於給的原始串S和模式串P,須要從字符串S中找到字符串P出現的位置的索引。

BF算法的時間複雜度O(strlen(S) * strlen(T)),空間複雜度O(1)

KMP算法的時間複雜度O(strlen(S) + strlen(T)),空間複雜度O(strlen(T))

2BF算法與KMP算法的區別

    假設如今S串匹配到i位置,T串匹配到j位置。那麼總的來講,兩種算法的主要區別在於失配的狀況下,對[j] 的值作的處理

   BF算法中,若是當前字符匹配成功,即s[i+j] == T[j],令j++,繼續匹配下一個字符;若是失配,即S[i + j] != T[j]須要讓i++,而且j= 0,即每次匹配失敗的狀況下,模式串T相對於原始串S向右移動了一位。

    而KMP算法中,若是當前字符匹配成功,即S[i]==T[j],令i++j++,繼續匹配下一個字符;若是匹配失敗,即S[i] != T[j],須要保持i不變,而且讓j = next[j],這裏next[j] <=j -1,即模式串T相對於原始串S向右移動了至少1(移動的實際位數j - next[j]  >=1),

    同時移動以後,i以前的部分(即S[i-j+1 ~ i-1]),和j=next[j]以前的部分(即T[0 ~ j-2])仍然相等。顯然,相對於BF算法來講,KMP移動更多的位數,起到了一個加速的做用! (失配的特殊情形,令j=next[j]致使j==0的時候,須要將i ++,不然此時沒有移動模式串)

三、BF算法爲何要回溯

首先說一下爲何BF算法要回溯。以下兩字符串匹配(恰如上面所述:BF算法中,若是當前字符匹配成功,即s[i+j] == T[j],令j++,繼續匹配下一個字符):

      i+jjT中的j++變,而動)

S:aaaacefghij

         j++

T:aaac 

若是不回溯的話就是從下一位開始比起:

aaaacefghij

        aaac

看到上面紅顏色的沒,若是不回溯的話,那麼從a 的下一位比起。然而下述這種狀況就漏了(正確的作法固然是要回溯:若是失配,即S[i + j] != T[j]須要讓i++,而且j= 0):

aaaacefghij

  aaac

    因此,BF算法要回溯,其代碼以下:

view plain

  1. int Index(SString S, SString T, int pos) {  

  2.    //返回T在S中第pos個字符以後的位置  

  3.    i=pos; j=1;k=0;  

  4.   while ( i< = S[0] && j< = T[0] ) {  

  5.       if (S[i+k] = = T[j] ) {++k;  ++j;}   //繼續比較後續字符  

  6.       else {i=i+1;   j=1; k=0;}      //指針回溯到 下一首位,從新開始  

  7.   }  

  8.   if(j>T[0]) return i;          //子串結束,說明匹配成功  

  9.   else return  0;  

  10. }//Index  

  不過,也有特殊狀況能夠不回溯,以下:
abcdefghij(主串)
abcdefg(模式串)
  即(模式串)沒有相同的纔不須要回溯。


4KMP 算法思想
    普通的字符串匹配算法必需要回溯。但回溯就影響了效率,回溯是由T串自己的性質決定的,是由於T串自己有先後'部分匹配'的性質。像上面所說若是主串爲abcdef這樣的,大沒有回溯的必要。

    改進的地方也就是這裏,咱們從T串自己出發,事先就找準了T自身先後部分匹配的位置,那就能夠改進算法。

    若是不用回溯,那模式串下一個位置從哪裏開始呢?

    仍是上面那個例子,T(模式串)ababc,若是c失配,那就能夠往前移到aba最後一個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]失配後,應該往前跳的值就是jnext,它是由T串自己固有決定的,與S(主串)無關


五、next數組的含義

重點來了。下面解釋一下next數組的含義,這個也是KMP算法中比較很差理解的一點。

  令原始串爲: S[i],其中0<=i<=n;模式串爲: T[j],其中0<=j<=m

  假設目前匹配到以下位置

               S0,S1,S2,...,Si-j,Si-j+1...............,Si-1Si, Si+1,....,Sn

                                   T0,T1,.....................,Tj-1Tj, ..........

  ST的綠色部分匹配成功,剛好到SiTj的時候失配,若是要保持i不變,同時達到讓模式串T相對於原始串S右移的話,能夠更新j的值,讓Si和新的Tj進行匹配,假設新的jnext[j]表示,即讓Sinext[j]匹配,顯然新的j值要小於以前的j值,模式串纔會是右移的效果,也就是說應該有next[j] <= j -1。那新的j值也就是next[j]應該是多少呢?咱們觀察以下的匹配:

      1)若是模式串右移1位(從簡單的思考起,移動一位會怎麼樣),即next[j] = j - 1, 即讓藍色的SiTj-1匹配(注:省略號爲未匹配部分)

               S0,S1,S2,...,Si-j,Si-j+1...............,Si-1Si, Si+1,....,Sn

                                   T0,T1,.....................,Tj-1Tj, .......... (T的劃線部分和S劃線部分相等【1】)

                                        T0,T1,.................Tj-2,Tj-1, ....... (移動後的T的劃線部分和S的劃線部分相等【2】)

        根據【1】【2】能夠知道當next[j] =j -1,即模式串右移一位的時候,有T[0 ~ j-2] == T[1 ~ j-1],而這兩部分剛好是字符串T[0 ~j-1]的前綴和後綴,也就是說next[j]的值取決於模式串Tj前面部分的前綴和後綴相等部分的長度(好好揣摩這兩個關鍵字概念:前綴、後綴,或者再想一想,個人上一篇文章,從Trie樹談到後綴樹中,後綴樹的概念)。

      2)若是模式串右移2位,即next[j] = j - 2, 即讓藍色的SiTj-2匹配    

               S0,S1,...,Si-j,Si-j+1,Si-j+2...............,Si-1Si, Si+1,....,Sn

                                   T0,T1,T2,.....................,Tj-1Tj, ..........(T的劃線部分和S劃線部分相等【3】)

                                              T0,T1,...............,Tj-3,Tj-2,.........(移動後的T的劃線部分和S的劃線部分相等【4】)

        一樣根據【3】【4】能夠知道當next[j] =j -2,即模式串右移兩位的時候,有T[0 ~ j-3] == T[2 ~ j-1]。而這兩部分也剛好是字符串T[0 ~j-1]的前綴和後綴,也就是說next[j]的值取決於模式串Tj前面部分的前綴和後綴相等部分的長度

     3)依次類推,能夠獲得以下結論:當發生失配的狀況下,j的新值next[j]取決於模式串中T[0 ~ j-1]中前綴和後綴相等部分的長度, 而且next[j]剛好等於這個最大長度

    爲此,請再容許我引用上文中的一段原文:KMP算法中,若是當前字符匹配成功,即S[i]==T[j],令i++j++,繼續匹配下一個字符;若是匹配失敗,即S[i] != T[j],須要保持i不變,而且讓j = next[j],這裏next[j] <=j -1,即模式串T相對於原始串S向右移動了至少1(移動的實際位數j - next[j]  >=1),

    同時移動以後,i以前的部分(即S[i-j+1 ~ i-1]),和j=next[j]以前的部分(即T[0 ~ j-2])仍然相等。顯然,相對於BF算法來講,KMP移動更多的位數,起到了一個加速的做用! (失配的特殊情形,令j=next[j]致使j==0的時候,須要將i ++,不然此時沒有移動模式串)。」

    於此,也就不難理解了個人關於KMP算法的第二篇文章之中:當匹配到S[i] != P[j]的時候有 S[i-j…i-1] = P[0…j-1]. 若是下面用j_next去匹配,則有P[0…j_next-1] = S[i-j_next…i-1] = P[j-j_next…j-1]。此過程以下圖3-1所示。

  當匹配到S[i] != P[j]時,S[i-j…i-1] = P[0…j-1]

S: 0 … i-j … i-1 i …

P:       0 …   j-1 j …

  若是下面用j_next去匹配,則有P[0…j_next-1] = S[i-j_next…i-1] = P[j-j_next…j-1]。
因此在P中有以下匹配關係(得到這個匹配關係的意義是用來求next數組)

P: 0 … j-j_next  .…j-1_    …

P:        0    … .j_next-1 …

  因此,根據上面兩個步驟,推出下一匹配位置j_next:

S: 0 … i-j … i-j_next …   i-1      i …

P:                   0   … j_next-1 j_next …

             圖3-1 求j-next(最大的值)的三個步驟

    下面,咱們用變量k來表明求得的j_next的最大值,即k表示這S[i]、P[j]不匹配時P中下一個用來匹配的位置,使得P[0…k-1] = P[j-k…j-1],而咱們要儘可能找到這個k的最大值。」。

      根據上文的【1】與【2】的匹配狀況,可得第二篇文章之中所謂的k=1(如aaaa的形式),根據上文的【3】與【4】的匹配狀況,k=2(如abab的形式)。

     因此,歸根究底,KMP算法的本質即是:針對待匹配的模式串的特色,判斷它是否有重複的字符,從而找到它的前綴與後綴,進而求出相應的Next數組,最終根據Next數組而進行KMP匹配。接下來,進入本文的第二部分。

第二部分、next數組求法的前因後果與KMP算法的源碼

    本部分引自我的此前的關於KMP算法的第二篇文章:六之續、由KMP算法談到BM算法。前面,咱們已經知道即不能讓P[j]=P[next[j]]成立成立。不能再出現上面那樣的狀況啊!即不能有這種狀況出現:P[3]=b,而竟也有P[next[3]]=P[1]=b

    正如在第二篇文章中,所提到的那樣:「這裏讀者理解可能有困難的是由於文中,時而next,時而nextval,把他們的思惟搞混亂了。其實next用於表達數組索引,而nextval專用於表達next數組索引下的具體各值,區別細微。至於文中說不容許P[j]=P[next[j] ]出現,是由於已經有P[3]=b與S[i]匹配敗,而P[next[3]]=P1=b,若再拿P[1]=b去與S[i]匹配則必敗。」--六之續、由KMP算法談到BM算法。

   又偏偏如上文中所述:「模式串T相對於原始串S向右移動了至少1(移動的實際位數j - next[j]  >=1)

    ok,求next數組的get_nextval函數正確代碼以下:

view plain

  1. //代碼4-1    

  2. //修正後的求next數組各值的函數代碼    

  3. void get_nextval(char const* ptrn, int plen, int* nextval)    

  4. {    

  5.     int i = 0;     

  6.     nextval[i] = -1;    

  7.     int j = -1;    

  8.     while( i < plen-1 )    

  9.     {    

  10.         if( j == -1 || ptrn[i] == ptrn[j] )   //循環的if部分    

  11.         {    

  12.             ++i;    

  13.             ++j;    

  14.             //修正的地方就發生下面這4行    

  15.             if( ptrn[i] != ptrn[j] ) //++i,++j以後,再次判斷ptrn[i]與ptrn[j]的關係    

  16.                 nextval[i] = j;      //以前的錯誤解法就在於整個判斷只有這一句。    

  17.             else    

  18.                 nextval[i] = nextval[j];    

  19.         }    

  20.         else                                 //循環的else部分    

  21.             j = nextval[j];    

  22.     }    

  23. }    

    舉個例子,舉例說明下上述求next數組的方法。
S a b a b a b c
P a b a b c
S[4] != P[4]
    那麼下一個和S[4]匹配的位置是k=2(也即P[next[4]])。此處的k=2也再次佐證了上文第3節開頭處關於爲了找到下一個匹配的位置時k的求法。上面的主串與模式串開頭4個字符都是「abab」,因此,匹配失效後下一個匹配的位置直接跳兩步繼續進行匹配。
S a b a b a b c
P      a b a b c
匹配成功

P的next數組值分別爲-1 0 -1 0 2

    next數組各值怎麼求出來的呢?分如下五步:

  1. 初始化:i=0,j=-1,nextval[0] = -1因爲j == -1,進入上述循環的if部分,++i得i=1,++j得j=0,且ptrn[i] != ptrn[j](即a!=b)),因此獲得第二個next值即nextval[1] = 0;

  2. i=1,j=0,進入循環esle部分,j=nextval[j]=nextval[0]=-1;

  3. 進入循環的if部分,++i,++j,i=2,j=0,由於ptrn[i]=ptrn[j]=a,因此nextval[2]=nextval[0]=-1;

  4. i=2, j=0, 因爲ptrn[i]=ptrn[j],再次進入循環if部分,因此++i=3,++j=1,由於ptrn[i]=ptrn[j]=b,因此nextval[3]=nextval[1]=0;

  5. i=3,j=1,因爲ptrn[i]=ptrn[j]=b,因此++i=4,++j=2,退出循環。

    這樣上例中模式串的next數組各值最終應該爲:

            圖4-1 正確的next數組各值
next數組求解的具體過程以下:
    初始化:nextval[0] = -1,咱們獲得第一個next值即-1.

            圖4-2 初始化第一個next值即-1

    i = 0,j = -1,因爲j == -1,進入上述循環的if部分,++i得i=1,++j得j=0,且ptrn[i] != ptrn[j](即a!=b)),因此獲得第二個next值即nextval[1] = 0;

           圖4-3 第二個next值0

   上面咱們已經獲得,i= 1,j = 0,因爲不知足條件j == -1 || ptrn[i] == ptrn[j],因此進入循環的esle部分,得j = nextval[j] = -1;此時,仍知足循環條件,因爲i = 1,j = -1,由於j == -1,再次進入循環的if部分,++i得i=2,++j得j=0,因爲ptrn[i] == ptrn[j](即ptrn[2]=ptrn[0],也就是說第1個元素和第三個元素都是a),因此進入循環if部份內嵌的else部分,獲得nextval[2] = nextval[0] = -1;

         圖4-4 第三個next數組元素值-1

    i = 2,j = 0,因爲ptrn[i] == ptrn[j],進入if部分,++i得i=3,++j得j=1,因此ptrn[i] == ptrn[j](ptrn[3]==ptrn[1],也就是說第2個元素和第4個元素都是b),因此進入循環if部份內嵌的else部分,獲得nextval[3] = nextval[1] = 0;

         圖4-5 第四個數組元素值0
    若是你仍是沒有弄懂上述過程是怎麼一回事,請如今拿出一張紙和一支筆出來,一步一步的畫下上述過程。相信我,把圖畫出來了以後,你必定能明白它的。
    而後,我留一個問題給讀者,爲何上述的next數組要那麼求?有什麼原理麼?

    提示:咱們從上述字符串abab 各字符的next值-1 0 -1 0,能夠看出來,根據求得的next數組值,偷用前綴、後綴的概念,必定能夠判斷出在abab之中,前綴和後綴相同,即都是ab,反過來,若是一個字符串的前綴和後綴相同,那麼根據前綴和後綴依次求得的next各值也是相同的。

  • 五、利用求得的next數組各值運用Kmp算法

    Ok,next數組各值已經求得,萬事俱備,東風也不欠了。接下來,我們就要應用求得的next值,應用KMP算法來匹配字符串了。還記得KMP算法是怎麼一回事嗎?容我再次引用下以前的KMP算法的代碼,以下:

view plain

  1. //代碼5-1    

  2. //int kmp_seach(char const*, int, char const*, int, int const*, int pos)  KMP模式匹配函數    

  3. //輸入:src, slen主串    

  4. //輸入:patn, plen模式串    

  5. //輸入:nextval KMP算法中的next函數值數組    

  6. int kmp_search(char const* src, int slen, char const* patn, int plen, int const* nextval, int pos)    

  7. {    

  8.     int i = pos;    

  9.     int j = 0;    

  10.     while ( i < slen && j < plen )    

  11.     {    

  12.         if( j == -1 || src[i] == patn[j] )    

  13.         {    

  14.             ++i;    

  15.             ++j;    

  16.         }    

  17.         else    

  18.         {    

  19.             j = nextval[j];              

  20.             //當匹配失敗的時候直接用p[j_next]與s[i]比較,    

  21.             //下面闡述怎麼求這個值,即匹配失效後下一次匹配的位置    

  22.         }    

  23.     }    

  24.     if( j >= plen )    

  25.         return i-plen;    

  26.     else    

  27.         return -1;    

  28. }    

咱們上面已經求得的next值,以下:

        圖5-1 求得的正確的next數組元素各值

    如下是匹配過程,分三步:
    第一步:主串和模式串以下,S[3]與P[3]匹配失敗。

               圖5-2 第一步,S[3]與P[3]匹配失敗
    第二步:S[3]保持不變,P的下一個匹配位置是P[next[3]],而next[3]=0,因此P[next[3]]=P[0],即P[0]與S[3]匹配。在P[0]與S[3]處匹配失敗。

                圖5-3 第二步,在P[0]與S[3]處匹配失敗

    第三步:與上文中第3小節末的狀況一致。因爲上述第三步中,P[0]與S[3]仍是不匹配。此時i=3,j=nextval[0]=-1,因爲知足條件j==-1,因此進入循環的if部分,++i=4,++j=0,即主串指針下移一個位置,從P[0]與S[4]處開始匹配。最後j==plen,跳出循環,輸出結果i-plen=4(即字串第一次出現的位置),匹配成功,算法結束。

                圖5-4 第三步,匹配成功,算法結束
    因此,綜上,總結上述三步爲:

  1. 開始匹配,直到P[3]!=S[3],匹配失敗;

  2. nextval[3]=0,因此P[0]繼續與S[3]匹配,再次匹配失敗;

  3. nextval[0]=-1,知足循環if部分條件j==-1,因此,++i,++j,主串指針下移一個位置,從P[0]與S[4]處開始匹配,最後j==plen,跳出循環,輸出結果i-plen=4,算法結束。

第三部分、KMP算法的兩種實現

代碼實現一:   

    根據上文中第二部份內容的解析,完整寫出KMP算法的代碼已經不是難事了,以下:

view plain

  1. //copyright@2011 binghu and july  

  2. #include "StdAfx.h"  

  3. #include <string>  

  4. #include <iostream>  

  5. using namespace std;  

  6.   

  7. //代碼4-1    

  8. //修正後的求next數組各值的函數代碼    

  9. void get_nextval(char const* ptrn, int plen, int* nextval)    

  10. {    

  11.     int i = 0;  //注,此處與下文的代碼實現二不一樣的是,i是從0開始的(代碼實現二i從1開始)     

  12.     nextval[i] = -1;    

  13.     int j = -1;    

  14.     while( i < plen-1 )    

  15.     {    

  16.         if( j == -1 || ptrn[i] == ptrn[j] )   //循環的if部分    

  17.         {    

  18.             ++i;    

  19.             ++j;    

  20.             //修正的地方就發生下面這4行    

  21.             if( ptrn[i] != ptrn[j] ) //++i,++j以後,再次判斷ptrn[i]與ptrn[j]的關係    

  22.                 nextval[i] = j;      //以前的錯誤解法就在於整個判斷只有這一句。    

  23.             else    

  24.                 nextval[i] = nextval[j];    

  25.         }    

  26.         else                                 //循環的else部分    

  27.             j = nextval[j];    

  28.     }    

  29. }    

  30.   

  31. void print_progress(char const* src, int src_index, char const* pstr, int pstr_index)  

  32. {  

  33.     cout<<src_index<<"\t"<<src<<endl;  

  34.     cout<<pstr_index<<"\t";  

  35.     forint i = 0; i < src_index-pstr_index; ++i )  

  36.         cout<<" ";  

  37.     cout<<pstr<<endl;  

  38.     cout<<endl;  

  39. }  

  40.   

  41. //代碼5-1    

  42. //int kmp_seach(char const*, int, char const*, int, int const*, int pos)  KMP模式匹配函數    

  43. //輸入:src, slen主串    

  44. //輸入:patn, plen模式串    

  45. //輸入:nextval KMP算法中的next函數值數組    

  46. int kmp_search(char const* src, int slen, char const* patn, int plen, int const* nextval, int pos)    

  47. {    

  48.     int i = pos;    

  49.     int j = 0;    

  50.     while ( i < slen && j < plen )    

  51.     {    

  52.         if( j == -1 || src[i] == patn[j] )    

  53.         {    

  54.             ++i;    

  55.             ++j;    

  56.         }    

  57.         else    

  58.         {    

  59.             j = nextval[j];              

  60.             //當匹配失敗的時候直接用p[j_next]與s[i]比較,    

  61.             //下面闡述怎麼求這個值,即匹配失效後下一次匹配的位置    

  62.         }    

  63.     }    

  64.     if( j >= plen )    

  65.         return i-plen;    

  66.     else    

  67.         return -1;    

  68. }    

  69.   

  70. int   main()  

  71. {  

  72.     std::string src = "aabcabcebafabcabceabcaefabcacdabcab";  

  73.     std::string prn = "abac";  

  74.   

  75.     int* nextval = new int[prn.size()];  

  76.     //int* next = new int[prn.size()];  

  77.     get_nextval(prn.data(), prn.size(), nextval);  

  78.     //get_next(prn.data(), prn.size(), next);  

  79.   

  80.     forint i = 0; i < prn.size(); ++i )  

  81.         cout<<nextval[i]<<"\t";  

  82.     cout<<endl;  

  83.       

  84.     cout<<"result sub str: "<<src.substr( kmp_search(src.data(), src.size(), prn.data(), prn.size(), nextval, 0) )<<endl;  

  85.     system("pause");  

  86.   

  87.     delete[] nextval;  

  88.     return 0;  

  89. }   

    運行結果,以下圖所示:

代碼實現二

     再給出代碼實現二以前,讓咱們再次回顧下關於KMP算法的第一篇文章中的部份內容

第二節、KMP算法

2.一、 覆蓋函數(overlay_function)

    覆蓋函數所表徵的是pattern自己的性質,可讓爲其表徵的是pattern從左開始的全部連續子串的自我覆蓋程度。好比以下的字串,abaabcaba

    可能上面的圖令讀者理解起來仍是不那麼清晰易懂,其實很簡單,針對字符串abaabcaba

a(-1) b(-1)a(0) a0 b(1) c(-1) a(0) b(1)a(2)

解釋:

  1. 初始化爲-1  

  2. b與a不一樣爲-1   

  3. 與第一個字符a相同爲0   

  4. 仍是a爲0   

  5. 後綴ab與前綴ab兩個字符相同爲1 

  6. 前面並沒有前綴c爲-1  

  7. 與第一個字符同爲0  

  8. 後綴ab前綴ab爲1 

  9. 前綴aba後綴aba爲2

    因爲計數是從0始的,所以覆蓋函數的值爲0說明有1個匹配,對於從0仍是歷來開始計數是偏好問題,具體請自行調整,其中-1表示沒有覆蓋,那麼何爲覆蓋呢,下面比較數學的來看一下定義,好比對於序列

  a0a1...aj-1 aj

要找到一個k,使它知足

  a0a1...ak-1ak=aj-kaj-k+1...aj-1aj

    而沒有更大的k知足這個條件,就是說要找到儘量大k,使pattern前k字符與後k字符相匹配,k要儘量的大,緣由是若是有比較大的k存在。

    但若咱們選擇較小的知足條件的k,那麼當失配時,咱們就會使pattern向右移動的位置變大,而較少的移動位置是存在匹配的,這樣咱們就會把可能匹配的結果丟失。好比下面的序列,

    在紅色部分失配,正確的結果是k=1的狀況,把pattern右移4位,若是選擇k=0,右移5位則會產生錯誤。計算這個overlay函數的方法能夠採用遞推,能夠想象若是對於pattern的前j個字符,若是覆蓋函數值爲k

    a0a1...ak-1ak=aj-kaj-k+1...aj-1aj
則對於pattern的前j+1序列字符,則有以下可能
    ⑴     pattern[k+1]==pattern[j+1] 此時overlay(j+1)=k+1=overlay(j)+1
    ⑵     pattern[k+1]≠pattern[j+1] 此時只能在pattern前k+1個子符組所的子串中找到相應的overlay函數,h=overlay(k),若是此時pattern[h+1]==pattern[j+1],則overlay(j+1)=h+1不然重複(2)過程.

下面給出一段計算覆蓋函數的代碼:

view plain

  1. //copyright@ staurman  

  2. //updated@2011 July  

  3. #include "StdAfx.h"  

  4. #include<iostream>  

  5. #include<string>  

  6. using namespace std;  

  7.   

  8. //solve to the next array  

  9. void compute_overlay(const string& pattern)  

  10. {  

  11.     const int pattern_length = pattern.size();  

  12.     int *overlay_function = new int[pattern_length];  

  13.     int index;  

  14.     overlay_function[0] = -1;  

  15.     for(int i=1;i<pattern_length;++i)      

  16.         //注,與上文代碼段一不一樣的是,此處i是從1開始的,因此,下文中運用倆種方法求出來的next數組各值會有所不一樣  

  17.     {  

  18.         index = overlay_function[i-1];  

  19.         //store previous fail position k to index;  

  20.   

  21.         while(index>=0 && pattern[i]!=pattern[index+1])  

  22.         {  

  23.             index = overlay_function[index];  

  24.         }  

  25.         if(pattern[i]==pattern[index+1])  

  26.         {  

  27.             overlay_function[i] = index + 1;    

  28.         }  

  29.         else  

  30.         {  

  31.             overlay_function[i] = -1;  

  32.         }  

  33.     }  

  34.     for(int i=0;i<pattern_length;++i)  

  35.     {  

  36.         cout<<overlay_function[i]<<endl;  

  37.     }  

  38.     delete[] overlay_function;  

  39. }  

  40.   

  41. //abaabcaba  

  42. int main()  

  43. {  

  44.     string pattern = "abaabcaba";  

  45.     compute_overlay(pattern);  

  46.     system("pause");  

  47.     return 0;  

  48. }  

    運行結果以下所示:

2.二、kmp算法
     有了覆蓋函數,那麼實現kmp算法就是很簡單的了,咱們的原則仍是從左向右匹配,可是當失配發生時,咱們不用把target_index向回移動,target_index前面已經匹配過的部分在pattern自身就能體現出來,只要動pattern_index就能夠了。

當發生在j長度失配時,只要把pattern向右移動j-overlay(j)長度就能夠了。

     若是失配時pattern_index==0,至關於pattern第一個字符就不匹配,這時就應該把target_index加1,向右移動1位就能夠了。

    ok,下圖就是KMP算法的過程(紅色便是採用KMP算法的執行過程):

    (另外一做者saturnman發現,在上述KMP匹配過程圖中,index=8和index=11處畫錯了。還有,anaven也早已發現,index=3處也畫錯了。很是感謝。但圖已沒法修改,見諒)

KMP 算法可在O(n+m)時間內完成所有的串的模式匹配工做。

    OK,下面此前寫的關於KMP算法的第一篇文章中的源碼:

view plain

  1. //copyright@ saturnman  

  2. //updated@ 2011 July  

  3. #include "stdafx.h"  

  4. #include<iostream>  

  5. #include<string>  

  6. #include <vector>  

  7. using namespace std;  

  8.   

  9. int kmp_find(const string& target,const string& pattern)  

  10. {  

  11.     const int target_length=target.size();  

  12.     const int pattern_length=pattern.size();  

  13.     int* overlay_value=new int[pattern_length];  

  14.     overlay_value[0]=-1;        //remember:next array's first number was -1.  

  15.     int index=0;  

  16.   

  17.     //next array  

  18.     for (int i=1;i<pattern_length;++i)  

  19.         //注,此處的i是從1開始的  

  20.     {  

  21.         index=overlay_value[i-1];  

  22.         while (index>=0 && pattern[index+1]!=pattern[i])  //remember:!=  

  23.         {  

  24.             index=overlay_value[index];  

  25.         }  

  26.         if(pattern[index+1] == pattern[i])  

  27.         {  

  28.             overlay_value[i]=index+1;  

  29.         }  

  30.         else  

  31.         {  

  32.             overlay_value[i]=-1;  

  33.         }  

  34.     }  

  35.   

  36.     //mach algorithm start  

  37.     int pattern_index=0;  

  38.     int target_index=0;  

  39.     while (pattern_index<pattern_length && target_index<target_length)  

  40.     {  

  41.         if (target[target_index] == pattern[pattern_index])  

  42.         {  

  43.             ++target_index;  

  44.             ++pattern_index;  

  45.         }   

  46.         else if(pattern_index==0)  

  47.         {  

  48.             ++target_index;  

  49.         }  

  50.         else  

  51.         {  

  52.             pattern_index=overlay_value[pattern_index-1]+1;  

  53.         }  

  54.     }  

  55.     if (pattern_index==pattern_length)  

  56.     {  

  57.         return target_index-pattern_index;  

  58.     }   

  59.     else  

  60.     {  

  61.         return -1;  

  62.     }  

  63.     delete [] overlay_value;  

  64. }  

  65.   

  66. int main()  

  67. {  

  68.     string sourc="ababc";  

  69.     string pattern="abc";  

  70.     cout<<kmp_find(sourc,pattern)<<endl;  

  71.     system("pause");  

  72.     return 0;  

  73. }  

    因爲是abc跟ababc匹配,那麼將返回匹配的位置「2」,運行結果如所示:

第四部分、測試

    針對上文中第三部分的兩段代碼測試了下,糾結了,兩種求next數組的方法對同一個字符串求next數組各值,獲得的結果居然不同,以下二圖所示:

    一、兩種方法對字符串abab求next數組各值比較:

    二、兩種對字符串abaabcaba求next數組各值比較:

    爲什麼會這樣呢,其實很簡單,上文中已經有所說明了,代碼實現一的i 是從0開始的,代碼實現二的i 是從1開始的。但從最終的運行結果來看,暫時仍是以代碼實現段二爲準。

第五部分、KMP完整準確源碼

    求next數組各值的方法爲:

view plain

  1. //copyright@ staurman  

  2. //updated@2011 July  

  3. #include "StdAfx.h"  

  4. #include<iostream>  

  5. #include<string>  

  6. using namespace std;  

  7.   

  8. //solve to the next array  

  9. void compute_overlay(const string& pattern)  

  10. {  

  11.     const int pattern_length = pattern.size();  

  12.     int *overlay_function = new int[pattern_length];  

  13.     int index;  

  14.     overlay_function[0] = -1;  

  15.     for(int i=1;i<pattern_length;++i)  

  16.     {  

  17.         index = overlay_function[i-1];  

  18.         //store previous fail position k to index;  

  19.   

  20.         while(index>=0 && pattern[i]!=pattern[index+1])  

  21.         {  

  22.             index = overlay_function[index];  

  23.         }  

  24.         if(pattern[i]==pattern[index+1])  

  25.         {  

  26.             overlay_function[i] = index + 1;    

  27.         }  

  28.         else  

  29.         {  

  30.             overlay_function[i] = -1;  

  31.         }  

  32.     }  

  33.     for(int i=0;i<pattern_length;++i)  

  34.     {  

  35.         cout<<overlay_function[i]<<endl;  

  36.     }  

  37.     delete[] overlay_function;  

  38. }  

  39.   

  40. //abaabcaba  

  41. int main()  

  42. {  

  43.     string pattern = "abaabcaba";  

  44.     compute_overlay(pattern);  

  45.     system("pause");  

  46.     return 0;  

  47. }  

    運行結果入下圖所示:abab的next數組各值是-1,-1,0,1,而非本文第二部分所述的-1,0,-1,0。爲何呢?難道是搬石頭砸了本身的腳?

    NO,上文第四部分末已經詳細說明,上處代碼i 從0開始,本文第二部分代碼i 從1開始。

    KMP算法完整源碼,以下:

view plain

  1. //copyright@ saturnman  

  2. //updated@ 2011 July  

  3. #include "stdafx.h"  

  4. #include<iostream>  

  5. #include<string>  

  6. #include <vector>  

  7. using namespace std;  

  8.   

  9. int kmp_find(const string& target,const string& pattern)  

  10. {  

  11.     const int target_length=target.size();  

  12.     const int pattern_length=pattern.size();  

  13.     int* overlay_value=new int[pattern_length];  

  14.     overlay_value[0]=-1;        //remember:next array's first number was -1.  

  15.     int index=0;  

  16.   

  17.     //next array  

  18.     for (int i=1;i<pattern_length;++i)  

  19.         //注,此處的i是從1開始的  

  20.     {  

  21.         index=overlay_value[i-1];  

  22.         while (index>=0 && pattern[index+1]!=pattern[i])    

  23.         {  

  24.             index=overlay_value[index];  

  25.         }  

  26.         if(pattern[index+1] == pattern[i])  

  27.         {  

  28.             overlay_value[i]=index+1;  

  29.         }  

  30.         else  

  31.         {  

  32.             overlay_value[i]=-1;  

  33.         }  

  34.     }  

  35.   

  36.     //mach algorithm start  

  37.     int pattern_index=0;  

  38.     int target_index=0;  

  39.     while (pattern_index<pattern_length && target_index<target_length)  

  40.     {  

  41.         if (target[target_index] == pattern[pattern_index])  

  42.         {  

  43.             ++target_index;  

  44.             ++pattern_index;  

  45.         }   

  46.         else if(pattern_index==0)  

  47.         {  

  48.             ++target_index;  

  49.         }  

  50.         else  

  51.         {  

  52.             pattern_index=overlay_value[pattern_index-1]+1;  

  53.         }  

  54.     }  

  55.     if (pattern_index==pattern_length)  

  56.     {  

  57.         return target_index-pattern_index;  

  58.     }   

  59.     else  

  60.     {  

  61.         return -1;  

  62.     }  

  63.     delete [] overlay_value;  

  64. }  

  65.   

  66. int main()  

  67. {  

  68.     string sourc="ababc";  

  69.     string pattern="abc";  

  70.     cout<<kmp_find(sourc,pattern)<<endl;  

  71.     system("pause");  

  72.     return 0;  

  73. }  

    運行結果以下:

第六部分、一眼看出字符串的next數組各值

    上文已經用程序求出了一個字符串的next數組各值,接下來,稍稍演示下,如何一眼大體判斷出next數組各值,以及初步判斷某個程序求出的next數組各值是否是正確的。有一點務必注意:下文中的代碼所有采起代碼實現二,即i是從1開始的

  • 一、對字符串aba求next數組各值,各位能夠先猜猜,-1,...,aba中,a初始化爲-1,第二個字符b與a不一樣也爲-1,最後一個字符和第一個字符都是a,因此,我猜其next數組各值應該是-1,-1,0,結果也不出所料,以下圖所示:

  • 二、字符串「abab」呢,不用猜了,我已經看出來了,固然上文中代碼實現一和代碼實現二都已經求出來了。若是i 是1開始的話,那麼next數組各值將如代碼實現二所運行的那樣,將是:-1,-1,0,1;

  • 三、字符串「abaabcaba」呢,next數組如上第三部分代碼實現二所述,爲-1,-1,0,0,1,-1,0,1,2;

  • 四、字符串「abcdab」呢,next數組各值將是-1,-1,-1,-1,0,1;

  • 五、字符串「abcdabc」呢,next數組各值將是-1,-1,-1,-1,0,1,2;

  • 六、字符串「abcdabcd」呢,那麼next數組各值將是-1,-1,-1,-1,0,1,2,3;

    怎麼樣,看出規律來了沒?呵呵,能夠用上述第五部分中求next數組的方法自個多試探幾回,相信,很快,你也會跟我同樣,不用計算,一眼便能看出某個字符串的next數組各值了。如此便恭喜你,理解了next數組的求法,KMP算法也就算是真真正正不折不扣的理解了。完。

相關文章
相關標籤/搜索