字符串匹配KMP算法

    科技2022-07-10  89

    文章目录

    前言参考一、KMP是什么?二、KMP实例1. 问题2. 部分匹配值的计算 总结


    前言

    本系列是笔者进行C++学习的笔记,包括平时的学习心得、对大佬允许转载内容的记录等等


    参考

    字符串匹配的KMP算法 作者:阮一峰KMP算法的前缀next数组最通俗的解释 作者:CodeNoob

    一、KMP是什么?

    我们在一个母字符串中查找一个子字符串有很多方法。KMP是一种最常见的改进算法,它可以在匹配过程中失配的情况下,有效地多往后面跳几个字符,加快匹配速度。

    当然我们可以看到这个算法针对的是子串有对称属性,如果有对称属性,那么就需要向前查找是否有可以再次匹配的内容。

    在KMP算法中有个数组,叫做前缀数组,也有的叫next数组,每一个子串有一个固定的next数组,它记录着字符串匹配过程中失配情况下可以向前多跳几个字符,当然它描述的也是子串的对称程度,程度越高,值越大,当然之前可能出现再匹配的机会就更大


    二、KMP实例

    1. 问题

    举例来说,有一个字符串"BBC ABCDAB ABCDABCDABDE"(注意里面包含空格),我想知道,里面是否包含另一个字符串"ABCDABD"?

    "BBC ABCDAB ABCDABCDABDE"的叫法很多,比如母字符串、文本串;"ABCDABD"对应的叫做子字符串、模式串。

    1、我们从头开始匹配母子字符串 首先,字符串"BBC ABCDAB ABCDABCDABDE"的第一个字符与搜索词""ABCDABD"的第一个字符,进行比较。因为B与A不匹配,所以搜索词后移一位。

    2、 因为B与A不匹配,搜索词再往后移。

    3、 就这样,直到字符串有一个字符,与搜索词的第一个字符相同为止。

    4、 接着比较字符串和搜索词的下一个字符,还是相同。

    5、 直到字符串有一个字符,与搜索词对应的字符不相同为止。

    6、 这时,最自然的反应是,将搜索词整个后移一位,再从头逐个比较。这样做虽然可行,但是效率很差,因为你要把"搜索位置"移到已经比较过的位置,重比一遍。

    上面将搜索词后移一位的意思是让子字符串"ABCDABD"的首字符对齐母字符串"BBC ABCDAB ABCDABCDABDE"的第二个字符。

    7、 一个基本事实是,当空格与D不匹配时,你其实知道前面六个字符是"ABCDAB"。KMP算法的想法是,设法利用这个已知信息,不要把"搜索位置"移回已经比较过的位置,继续把它向后移,这样就提高了效率。

    8、 怎么做到这一点呢?可以针对搜索词,算出一张《部分匹配表》(Partial Match Table)。这张表是如何产生的,后面再介绍,这里只要会用就可以了。这里的部分匹配表,也叫 前缀表/前缀数组/next数组。

    9、 已知空格与D不匹配时,前面六个字符"ABCDAB"是匹配的。查表可知,最后一个匹配字符B对应的"部分匹配值"为2,因此按照下面的公式算出向后移动的位数:

    移动位数 = 已匹配的字符数 - 最后一个匹配字符对应的部分匹配值

    因为 6 - 2 等于4,所以将搜索词向后移动4位。

    10、 因为空格与C不匹配,搜索词还要继续往后移。这时,已匹配的字符数为2(“AB”),对应的"部分匹配值"为0。所以,移动位数 = 2 - 0,结果为 2,于是将搜索词向后移2位。

    11、 因为空格与A不匹配,继续后移一位。

    12、 逐位比较,直到发现C与D不匹配。于是,移动位数 = 6 - 2,继续将搜索词向后移动4位。

    13、 逐位比较,直到搜索词的最后一位,发现完全匹配,于是搜索完成。如果还要继续搜索(即找出全部匹配),移动位数 = 7 - 0,再将搜索词向后移动7位,这里就不再重复了。


    2. 部分匹配值的计算

    首先,要了解两个概念:“前缀"和"后缀”。 "前缀"指除了最后一个字符以外,一个字符串的全部头部组合;"后缀"指除了第一个字符以外,一个字符串的全部尾部组合。

    "部分匹配值"就是"前缀"和"后缀"的最长的共有元素的长度。以"ABCDABD"为例,

    - "A"的前缀和后缀都为空集,共有元素的长度为0; - "AB"的前缀为[A],后缀为[B],共有元素的长度为0; - "ABC"的前缀为[A, AB],后缀为[BC, C],共有元素的长度0; - "ABCD"的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共有元素的长度为0; - “ABCDA"的前缀为[A, AB, ABC, ABCD],后缀为[BCDA, CDA, DA, A],共有元素为"A”,长度为1; - “ABCDAB"的前缀为[A, AB, ABC, ABCD, ABCDA],后缀为[BCDAB, CDAB, DAB, AB, B],共有元素为"AB”,长度为2; - "ABCDABD"的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB],后缀为[BCDABD, CDABD, DABD, ABD, BD, D],共有元素的长度为0。

    整理后如下表所示,

    "部分匹配"的实质是,有时候,字符串头部和尾部会有重复。比如,“ABCDAB"之中有两个"AB”,那么它的"部分匹配值"就是2("AB"的长度)。搜索词移动的时候,第一个"AB"向后移动4位(字符串长度-部分匹配值),就可以来到第二个"AB"的位置。


    总结

    以上就是KMP算法的简单解释,关于KMP的代码,笔者会在下一步学习后,将代码放在文末

    Processed: 0.013, SQL: 8