KMP算法与string::find以及strstr的比较

首先，简单描述一下KMP算法，要理解好KMP算法，最好参考算法导论[1]，尤其是先理解好自动机匹配的方法，再看KMP就很容易理解了。它利用的是一个关键的回退原理，也就是如果匹配失败时，那么我知道只要从模式的某个位置继续匹配就可以了，这个回退的位置事先通过模式计算出来，也就是说如果某个位置匹配不成功，就回退到事先算好的位置，继续匹配。这个事先算好的位置就是从0到该位置应该是匹配不成功处的一个后缀。这个过程可以通过已经算好的回退位置来递推出来。

从算法的描述看，回退的数组的构建与匹配的过程是非常相似的。

这里比较了KMP和string::find以及strstr的性能，代码如下：

#include <vector>#include <string>#include <stdio.h>#include <stdlib.h>#include <sys/time.h>#include <string.h>void ComputePrefixFun(const std::string& patten, std::vector<int>* back) {  int k = -1;  (*back).push_back(-1);  for (int i = 1; i < patten.size(); ++i) {    while (k > -1 && patten[k + 1] != patten[i]) {      k = (*back)[k];    }    if (patten[k + 1] == patten[i]) {      k++;    }    (*back).push_back(k);  }}void Match(const std::string& src, const std::string& patten, const std::vector<int>& back, std::vector<size_t>* offset) {  int k = -1;  size_t src_length = src.size();  size_t patten_length = patten.size();  for (int i = 0; i < src_length; ++i) {    while (k > -1 && patten[k + 1] != src[i]) {      k = back[k];    }    if (patten[k + 1] == src[i]) {      k++;    }    if (k == patten_length - 1) {      (*offset).push_back(i - patten_length + 1);      k = back[k];    }  }}std::string IntToString(int value) {  std::string res = "";  do {    res.insert(0,std::string(1, value % 10 + '0'));  } while ((value /= 10) >0);  return res;}int GetTime() {  timeval tv;  gettimeofday(&tv, NULL);  return tv.tv_sec * 1000000 + tv.tv_usec;}int main(int argc, char** argv) {  std::string patten = "1212123";  std::vector<int> back;  std::string src = "";  for (int i = 0; i < 1000000; ++i) {    src += IntToString(rand());  }  ComputePrefixFun(patten, &back);  std::vector<size_t> offset;  int start = GetTime();  Match(src, patten, back, &offset);  printf("time:%d %zd\n", GetTime() - start,  offset.size());  start = GetTime();  int index = -1;  int count = 0;  while ((index = src.find(patten, index + 1)) != std::string::npos)  {    count++;  }  printf("time:%d count = %d\n", GetTime() - start, count);  const char* pos = src.c_str();  start = GetTime();  count = 0;  while (true) {    pos = strstr(pos, patten.c_str());    if (pos == NULL) break;    pos++;    count++;  }  printf("time:%d find:%d \n", GetTime() - start, count);  std::string matched = "";  for (int i = 0; i < offset.size(); ++i) {    matched = src.substr(offset[i], patten.size());    //    printf("%zd %s ", offset[i], matched.c_str());  }  printf("\n");}

开始编译时没有使用优化选项，结果KMP的性能总是不理想，使用-O3编译后，性能明显改善了。

参考文献

算法导论 第32章 P586