两种KMP算法
来源:互联网 发布:mac os什么时候更新 编辑:程序博客网 时间:2024/06/14 23:16
介绍
kmp是一种经典的串的模式匹配算法(也就是在一个长串中匹配另一个短串,看存不存在),由Knuth,Morris,Pratt三人同时发现的,所以命名成了kmp。
前言
老实说,我觉得这个算法不太好懂,我花了整整一天半时间看书查资料,才勉强弄懂。这个过程中发现了两种写法的kmp,最终原理大致相同,实现过程有所区别,这里都分享总结出来吧。实际上,正是网上这两种不同的写法误导了我,让我花了好长时间纠结参照了才弄清楚……
参考
本文内容部分取自:
易懂版:【经典算法】——KMP,深入讲解next数组的求解
常规版:KMP算法学习&总结
代码
问题:
现在有个字符串S:”BBC ABCDAB ABCDABCDABDE“,我想知道里面是否包含P”ABCDABD”
最常规的模式匹配算法
很容易想到的一个方法就是迭代S,每个下标都从头去跟P进行比较,比较完了再回溯,从下一个下标开始再次和P从头比较。
为了形象,用图来说明吧
1.
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。
总结:
到这里,想必我们都明白常规模式匹配的原理和弊端了。这种方法在最差的情况下,时间复杂度为O(n*m),显然需要改进啊。
先看它的代码吧:
/** * 常规匹配算法 * @param s 原字符串 * @param p 匹配的字符串 * @return 匹配到的下标 */ public List<Integer> normalMethod(String s, String p) { List<Integer> index = new ArrayList<Integer>(); char[] schar = s.toCharArray(); char[] pchar = p.toCharArray(); int i = 0; //原字符串下标 int j = 0; //匹配字符串下标 while (i < s.length()) { //如果相等,进行下一个字符的匹配 if (schar[i] == pchar[j]) { i++; j++; } //否则,从原字符串下一个下标,和P从头匹配 else { j = 0; i = i - j + 1; } //如果P的字符全部匹配成功 if (j == p.length()) { i = i - j + 1; j = 0; index.add(i - 1 - j); } } return index; }
第一种KMP算法
为了优化,当主串和子串某个下标不匹配时,KMP算法避免了主串的回溯,而是利用已经匹配的子串,进行子串的移动。这样使得主串从头到尾只迭代了一遍就找到了匹配串。
kmp算法的时间复杂度只有O(n+m)
接着上图说明:
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。
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,所以将搜索词向后移动4位,此时与空格继续匹配的字符数组下标应该为2
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,此时继续匹配的字符数组下标为0
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。对应的”部分匹配值”为2。于是,移动位数 = 6 - 2,继续将搜索词向后移动4位。此时继续匹配的字符数组下标为2
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),对应的”部分匹配值”为0。移动位数 = 7 - 0,主串下标加一,再将搜索词向后移动7位,此时继续匹配的字符数组下标为0。这里就不再重复了。
14.
下面介绍《部分匹配表》是如何产生的。
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。
15.
“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。
16.
“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:
求出部分匹配表后,在子串和主串每次不匹配的时候,根据匹配串在表中的最大前后缀长度,就可以知道子串与主串继续比较的那个字符下标了。如果匹配上了,则主串和子串下标都加一,继续进行下一个字符的比较……
要注意的是,match[j]求的是j+1处与主串匹配的子串下标
那么关键来了,如何求出部分匹配表?
/** * 获得匹配串的部分匹配表 * * @param s * 匹配串 * @return 返回部分匹配表 */ private int[] getMatch(String s) { // 前后缀匹配数组 int[] match = new int[s.length()]; char[] p = s.toCharArray(); int i = 0; // 匹配字符串下表 int j = 0; // 最大前后缀长度 match[i] = 0; // 注意,从1开始求匹配数组 for (i = 1; i < p.length; i++) { // 核心部分,递归的求出P[0]···P[j]的最大的相同的前后缀长度j while (j > 0 && p[j] != p[i]) { j = match[j - 1]; } // 递归结束,只有两种情况:(1.p[j] == p[i],匹配成功,最大前后缀长度加1 (2.匹配失败,最大前后缀长度为0 if (p[j] == p[i]) j++; match[i] = j; } return match; }
理解点:
1. 这段代码其实就是根据上一个match[i]值来求下一个match[i]值。
2. while就是递归不停的求下标j之前的最大前后缀长度k,然后比较pchar[k]与pchar[j]是否相同。若相同,则下标j找到前后缀,长度为j+1;若递归完后没有找到,则下标j的最大前后缀长度为0。
3. 递归过程引用别人的讲解:
- 已知前一步计算时最大相同的前后缀长度为k(k>0),即P[0]···P[k-1];
- 此时比较第k项P[k]与P[q],如图1所示
- 如果P[K]等于P[q],那么很简单跳出while循环;
- 关键!关键有木有!关键如果不等呢???那么我们应该利用已经得到的next[0]···next[k-1]来求P[0]···P[k-1]这个子串中最大相同前后缀,可能有同学要问了——为什么要求P[0]···P[k-1]的最大相同前后缀呢???是啊!为什么呢? 原因在于P[k]已经和P[q]失配了,而且P[q-k] ··· P[q-1]又与P[0] ···P[k-1]相同,看来P[0]···P[k-1]这么长的子串是用不了了,那么我要找个同样也是P[0]打头、P[k-1]结尾的子串即P[0]···Pj-1,看看它的下一项P[j]是否能和P[q]匹配。如图2所示
最后是完整代码
package test;import java.util.ArrayList;import java.util.List;public class KMP1 { /** * 获得匹配串的部分匹配表 * * @param s * 匹配串 * @return 返回部分匹配表 */ private int[] getMatch(String s) { // 前后缀匹配数组 int[] match = new int[s.length()]; char[] p = s.toCharArray(); int i = 0; // 匹配字符串下表 int j = 0; // 最大前后缀长度 match[i] = 0; // 注意,从1开始求匹配数组 for (i = 1; i < p.length; i++) { // 核心部分,递归的求出P[0]···P[j]的最大的相同的前后缀长度j while (j > 0 && p[j] != p[i]) { j = match[j - 1]; } // 递归结束,只有两种情况:(1.p[j] == p[i],匹配成功,最大前后缀长度加1 (2.匹配失败,最大前后缀长度为0 if (p[j] == p[i]) j++; match[i] = j; } return match; } /** * kmp算法 * * @param s * 主串 * @param p * 匹配串 * @return 主串中所有匹配串的头下标 */ public List<Integer> kmp(String s, String p) { List<Integer> index = new ArrayList<Integer>(); int[] match = getMatch(p); // 获取部分匹配表 char[] schar = s.toCharArray(); char[] pchar = p.toCharArray(); int pLength = p.length(); int sLenght = s.length(); // for循环优化 // i为主串下标,pchar[q]为与schar[i]进行匹配 for (int i = 0, q = 0; i < sLenght; i++) { // 根据匹配表递归求与schar[i]进行比较的匹配串下标q值 while (q > 0 && pchar[q] != schar[i]) { q = match[q - 1]; } // 递归结束,结果:(1. schar[i]与pchar[q]匹配成功,q加一,下个循环与i+1继续比较 // (2.匹配失败,q为0,下个循环,i+1与0从头匹配 if (pchar[q] == schar[i]) q++; //如果匹配串成功结束 if (q == pLength) { //把主串匹配的下标放入index index.add(i - pLength + 1); //下个循环,i+1与match[q - 1]继续比较 q = match[q - 1]; } } return index; } public static void main(String[] args) { KMP1 kmp1 = new KMP1(); List<Integer> list = kmp1.kmp("abcdabcdabc", "abcdabc"); for (Integer integer : list) { System.out.println(integer); } }}/** * output: 0 4 */
第二种KMP算法
与上一种KMP算法的区别:
子串移动参考next[]表,没有采用最大前后缀长度生成match[]表。next[i]为当匹配串pchar[i]下标匹配失败时,用pchar[next[i]]继续进行匹配
下面是next表的公式
解释下这个公式:
1. j=0时,代表匹配串第一个字符就匹配失败,所以主串从下个字符开始同匹配串从头比较
2. 也是一个递归,原理类似上面的match[]数组。一直求next[k]是否与匹配串pchar[k]匹配。若匹配,则next[k+1]=next[k]+1;若不匹配,继续求next[next[k]]是否匹配,如此继续……
3. 其他情况,不存在这样的匹配,则匹配串直接从头比起
下面用例子来进一步的解释:
已知next的前5个值,想求next[5]
a b a a b a
-1 0 0 1 1 ?
pchar[next[4]]=pchar[1]=’b’
由于pchar[1]与pchar[4]相等,所以next[5]可以是pchar[2]
所以next[5]=next[4]+1=2
仔细琢磨这个例子,懂了第一种KMP算法,这个递归的道理差不多
最后,直接上代码吧
package test;import java.util.ArrayList;import java.util.List;public class KMP2 { /**获得next数组 * @param p 匹配串 * @return */ private int[] getNext(String p) { char[] pChar = p.toCharArray(); int[] next = new int[p.length()]; next[0] = -1; int i = 0; // 模式串下标 int j = next[i]; // 上一个i的next值 //通过j=next[i]来求next[++i] while (i < p.length() - 1) { //如果pChar[i] == pChar[j]匹配,则next[i+1]=j+1 ; 如果i为0,则next[i+1]=0; if (j == -1 || pChar[i] == pChar[j]) { next[++i] = ++j; } //递归,如果不匹配,继续求next[next[i]] if (pChar[i] != pChar[j]) j = next[j]; } return next; } public List<Integer> kmp(String s, String p) { List<Integer> index = new ArrayList<Integer>(); int[] next = getNext(p); char[] schar = s.toCharArray(); char[] pchar = p.toCharArray(); int i = 0; int j = 0; while (i < s.length()) { if (j == -1 || schar[i] == pchar[j]) { i++; j++; if (j == p.length()) { index.add(i - p.length()); j = 0; } } else { j = next[j]; } } return index; } /** * 常规匹配算法 * @param s 原字符串 * @param p 匹配的字符串 * @return 匹配到的下标 */ public List<Integer> normalMethod(String s, String p) { List<Integer> index = new ArrayList<Integer>(); char[] schar = s.toCharArray(); char[] pchar = p.toCharArray(); int i = 0; //原字符串下标 int j = 0; //匹配字符串下标 while (i < s.length()) { //如果相等,进行下一个字符的匹配 if (schar[i] == pchar[j]) { i++; j++; } //否则,从原字符串下一个下标,和P从头匹配 else { j = 0; i = i - j + 1; } //如果P的字符全部匹配成功 if (j == p.length()) { i = i - j + 1; j = 0; index.add(i - 1 - j); } } return index; } public static void main(String[] args) { KMP2 kmp2 = new KMP2(); List<Integer> list = kmp2.normalMethod("abcdabcdabc", "abcdabc"); for (Integer integer : list) { System.out.println(integer); } }}/**output:04*/
- 两种KMP算法
- Kmp算法的两种写法
- KMP算法中的next数组的两种算法求解
- 两种模式匹配算法:Brute-Force和KMP
- KMP算法 NEXT数组的两种形式
- [算法]两种字符串匹配算法(索引法,KMP算法)对比,C语言实现
- 两种KMP题+KMP模版整理
- KMP的两种写法
- KMP模板【两种格式】
- KMP算法详解 【KMP】
- 【KMP】KMP算法模板
- KMP hihoCoder1015 KMP算法
- kmp算法
- KMP算法
- KMP算法
- KMP算法
- KMP算法
- KMP 算法
- C#中不使用Oracle Client,直接连接Oracle数据库
- C++ 讲解:is A
- android图片显示的几种办法
- 括号匹配问题与经典笔试面试题目解析
- iOS开发之CocoaPods的安装和使用
- 两种KMP算法
- 前端开发入门:yahoo军规性能优化
- Python基础介绍
- MyEclipse使用教程盘点
- Android透明度的三种表示方式
- bzoj1855 股票交易 动态规划&单调队列
- 2015年终总结(我的第一篇博客)
- [JAVA修炼之路一]-JAVA ATOMIC 包
- c#建立快捷方式代码并且设置为管理员权限