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。 来自百度百科
我们之前在前面讲过BF算法其实就是,sub[ j ]在str[ i ]没有找到 j 回到最开头 i 回到第一个相等的下一个,假设这个主串的长度是M子串的长度是N,那这个算法的时间复杂度就是O(M * N)。那可不可以对我们的i 和 j 进行控制吗,让他动的不是那么频繁,降低时间复杂度。
让我们看以下例子
在这块 i j 匹配失败了按照原来的BF,是不是我们的 j 就要退回到sub的开始,但是我们看i 的前面 已经又一段ab 和 j 中的一段是相等的了,毕竟j都跑到这块了肯定是有一部分是相等的,那既然有一部分相等那 i 可以就不移动了 ,j只要去一个特殊的地方就好了!对于这个例子我们的i就可以在这块。
j 既然走到后面说明不只是sub的前面有ab相等,后面这个ab也与str里面的ab相等,那我们就回退到这个相等的这段串,第一次结束的下一个位置(也就是回退到长度的值所在的下标)我们这里的j就在5号位置,他就回退到了2号位置。
那每个sub对应的下标都有一个回退的位置,那我们把这个数据采集起来,当要退回位置的时候通过你的 j 去操控不就好了吗?
这里我们就引入了next数组,这个数组就是保存每个sub对应下标的回退位置,那怎么去算呢?
回到刚才那个例子
我们不是要找相同串的长度吗,那是哪一个串呢,是sub[ 0 ]开头 sub[ j - 1]结尾的两个相同的真子串(包括他自己),这个例子j在5的位置那个串就是ab。
我们规定在next数组的0号下标位置放 -1 (后面会讲为什么)
我们的 j 动到下一个位置 没有相同的两个真子串那就是0。
当 j 动到这块的时候是不是 我们要找到的是,sub[ 0 ]开头 sub[ j - 1]结尾的两个相同的真子串(包括他自己),打眼一看,哟这不是a吗,长度多少呢? 1!这个数就是1了。
这个sub的next数组如下
我在随便给一串字符串,大家可以算一下他的next数组。
ababcabcdabcde -1 0 0 1 2 0 1 2 0 0 1 2 0 0
我们现在可以算出来next数组了但是我们怎么填满这个数组呢?不可能在计算机里面手算吧!
给出推导过程。
#include <stdio.h> #include <assert.h> #include <stdlib.h> #include <string.h> void GetNext(const char* sub, int* next) { int subsize = strlen(sub); next[0] = -1; if (subsize == 1) { return; } next[1] = 0; int i = 2; int k = 0; //i自己加过一次了 while (i < subsize) { if ((k == -1) || sub[i - 1] == sub[k]) { next[i] = k + 1; i++; k++; } else { k = next[k]; } } } int KMP(const char* str,const char* sub, int pos) { assert(NULL != str); assert(NULL != sub); int subsize = strlen(sub); int strsize = strlen(str); int* next = (int*)malloc(subsize * sizeof(int)); assert(NULL != next); if (subsize == 0 || strsize == 0) { return -1; } if (pos < 0 || pos >= strsize) { return -1; } GetNext(sub, next); int i = pos; int j = 0; while (i < strsize && j < subsize) { if ((j == -1) || str[i] == sub[j]) { i++; j++; } else { j = next[j]; } } free(next); if (j >= subsize) { return i - j; } return -1; } int main() { printf("%d", KMP("aaaaabaaa", "b", 0)); }
复习啦 strstr实现后续补上