字符串匹配(KMP算法)

时间:2023-03-09 05:10:07
字符串匹配(KMP算法)

KMP算法,是由Knuth,Morris,Pratt共同提出的模式匹配算法,其对于任何模式和目标序列,都可以在线性时间内完成匹配查找,而不会发生退化,是一个非常优秀的模式匹配算法。

举个例子来说,如果我想在字符串s(BBCABCEFABCDACEABCDACD)找是否存在子串t(ABCDABD)。

1.

字符串匹配(KMP算法)

我们先去找匹配第一个字符,发现字符串s第一个字符与字符串t的第一个字符不匹配,然后我们继续往后找。

2.

字符串匹配(KMP算法)

直到搜到s的第4个字符才找到和t的第一个字符匹配的字符。

3.

字符串匹配(KMP算法)

然后我们继续一位位搜。

4.

字符串匹配(KMP算法)

直到我们搜到不能匹配的位置。

5.

字符串匹配(KMP算法)

正常想法是直接移一位,然后再从头开始逐个比较。这样做虽然可行,但效率太低。而这个就是KMP与众不同的地方。

当E和B不匹配的时候,你已经匹配了前5个,也就是说你知道t串前面6个的信息,KMP正是利用了这个已知信息,不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。

6.

字符串匹配(KMP算法)

那么怎样往后移呢?,我们可以针对t建一张部分匹配表,那么这张表如何产生的呢?

"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,

字符串匹配(KMP算法)

(以上两图均出自参考文献)

附上伪代码:

 nt[] = ;
int n = strlen(s);
for(int i = , j = ; i < n; i ++){
while(j != && s[j] != s[i]) j = nt[j - ];
nt[i] = s[j] == s[i] ? ++ j : ;
}

7.

然后,我们继续来看,我们发现最后一个匹配的字母为A,部分匹配值为1,根据移动公式:

移动位数 = 已匹配的字符数 - 对应的部分匹配值

字符串匹配(KMP算法)

5 - 1 = 4,所以向后移4位,变成上图。然后我们发现B和E仍旧不能匹配,此时算出需要移动位数为1,然后便有了下图。

字符串匹配(KMP算法)

之后我们发现A和E不能匹配,然后我们继续一位一位移,知道再找到一个A。

8.

字符串匹配(KMP算法)

然后我们又搜到了A,然后我们可以继续匹配啦。

9.

字符串匹配(KMP算法)

知道搜到最后一位(啊呀就差一点就能完全匹配,可惜),然后我们发现要移动4位。

10.

字符串匹配(KMP算法)

然后我们继续匹配,发现到最后刚好匹配完(好开心,找到了!)如下图:

字符串匹配(KMP算法)

附上总代码:

 #include <cstdio>
#include <cstring>
const int N = + ;
char s[N];
int nt[N];
char t[N]; void work(){
nt[] = ;
int n = strlen(s);
for(int i = , j = ; i < n; i ++){
while(j != && s[j] != s[i]) j = nt[j - ];
nt[i] = s[j] == s[i] ? ++ j : ;
//printf("nt[%d] = %d\n", i, nt[i]);
}
int p = ;
int q = ;
int lt = strlen(t);
int ans = ;
while(p + q < lt){
if(s[p] == t[p + q]){
while(s[p] == t[p + q] && p < n) p += ;
//printf("p = %d\n", p);
if(p == n)ans += ;
int w = p - nt[p - ];
p = nt[p - ];
q += w;
}
else {
while(p != && s[p] != t[p + q]) p = nt[p - ];
q += ;
}
}
printf("%d\n", ans);
} int main() {
//while(scanf("%s%s", s, t) == 2) work();
int T;
scanf("%d", &T);
while(T--){
scanf("%s%s", s, t);
work();
}
return ;
}

参考文献:http://www.ruanyifeng.com/blog/2013/05/Knuth%E2%80%93Morris%E2%80%93Pratt_algorithm.html