KMP算法（无回溯字符串匹配）基于python实现

1.问题导出

给你两个字符串，一个是目标串，比如是“ababcabccacbab”，另一个是模式串，比如是“abcac”，现在想在目标串中找出是否含有模式串的子串，如果有，返回第一个字母的下标，如果无，返回-1

当运用朴素的串匹配算法去解答该题时，分为以下两步：

（1）目标串与模式串从左到右依次匹配

（2）当发现不匹配时，转去考虑考虑目标串里的下一个位置是否与模式串匹配

思路非常简单，但是当考虑复杂度时，可以发现，在在坏的情况下，比如：

目标串：“aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaab”

模式串：“aaaab”

在这里，时间复杂度达到了O（n*m），n为目标串长度，m为模式串长度。在朴素的匹配算法下，由于认为字符串前后是完全独立，所以每次匹配时，都是从头开始匹配，所以效率很低。但是，大部分的字符串都是相关联的。例如在上述的模式串“abcac”中，

 

按照朴素串匹配算法，当左图中的最后一个字符不匹配时，下一步，是目标串重新开始用另一个字符与模式串做匹配。但是完全可以如下图所示直接跳到更远的地方，拿开始的a与目标串中的a直接做匹配。

这便是KMP算法的由来。

2. KMP算法

先考虑朴素的串匹配算法和KMP匹配的过程：

上图左边是朴素串匹配算法的一系列情况。状态0的匹配进行到模式串中字符c时失败，此前有两次成功匹配，从中可知目标串前两个字符与模式串前两个字符相同，由于模式串的前两个字符不同，与b匹配的目标串字符不可能与a匹配，所有状态1一定匹配失败。朴素匹配算法未利用这种信息，做了无用功。在看状态2，这里前4个字符都匹配，最后匹配c失败。由于模式串中第一个a与其后的两个字符bc不同，用a去匹配目标串里的b、c也一定失败。跳过这两个位置不会丢掉匹配点，另一方面，模式串中下标为3的字符也是a，它在状态2匹配成功，首字符a不必重做这一匹配。朴素的匹配算法中没有考虑这一问题，总是从头一步步比较。

    在大部分情况下，目标串未知，而模式串是已知的，而且通常在匹配中反复使用，如果先对模式串做一些分析，记录得到的有用信息，就有可能避免一些不必要的信息，提高匹配效率。这种做法是实际匹配前对模式串进行一系列的静态预处理，只需要做一次。KMP算法的精髓就是开发了一套分析和记录模式串信息的机制，而后借助得到的信息加速匹配。

3. KMP运算过程分析   

KMP算法会在预处理的时候，形成一个数组，对应于每个模式串里面的字符，会算出一个值，如下进行分析。 

KMP算法的大概过程由上右图所示，具体的分析过程如下：

首先，第一步，设置两个指向变量i、j，分别指向目标串与模式串的匹配位置，一开始指向目标串与模式串的第一个位置0：

当检测到i、j所对应的值匹配时，到第（1）步，i、j分别加1，指向第二个值，直到第（2）步，i、j所对应的值不匹配。当检测到值不匹配时，KMP会调用预处理中数组对应的位于位置2字符c的值，该值在这里为0，说明下一次匹配的时候模式串应该从字符第0个位置开始。这就到了第（3）（4）步，在第（4）步中，又遇到i、j所指向的值不相等的情况，这时调用位置4中字符c的值，该值在这里为1，说明模式串从第1个字符开始，前面的字符0一定是匹配的，最后直到第（5）（6）步，匹配出目标串中的模式串位置。在目标串之中i指向的位置永远不会后退，这就是无回溯的来源。

4.pnext表的构造

如上图所示，移动之前最后一个字符为c，可以看到，当按照pnext（预处理表）表移动以后，j所对应位置之前的字符一定能与目标串中的字符对应。这是因为，模式串上的第4个字符之前的a能与模式串前缀（也就是第0位置上的a）中的a相同，程序在检测最后一个c之前已经检测到第3位置与目标串中的相应字符相对应，故当模式串后移时，前缀中的a一定能与目标串中相应位置的字符相匹配。所以pnext表实际上记录的就是最长相等前后缀的长度。以另一个模式串“abcabdabc”为例：第0、1、2、3个字符都没有相同的前后缀，故为0，为方便算法计算，第0个字符设为-1。

但从第4个开始，第4个字符为1，第5个字符为2,。

故综上，“abcabdabe”的pnext表为[-1, 0, 0, 0, 1, 2, 0, 1, 2]。

如果满足条件的位置不止一处，例如“abcabcabc”中的第8个字符c，那么只能做最短的移动，将模式串移到最近的那个满足上述条件的位置，以保证不遗漏的可能。

5.  复杂度及总结

    一次KMP算法的完整执行包括构造pnext表和实际匹配，设模式串个目标串长度分别为m和n，KMP算法的时间复杂性是O(m+n)。由于在多数情况下m<

附：

pnext表构造（基于python实现）：

def gen_pnext(p):
    """生成pnext表，用于KMP算法 """
    i, k, m = 0, -1, len(p)
    pnext = [-1] * m #初始元素全设为-1
    while i < m-1: #生成下一个pnext值
        if k == -1 or p[i] == p[k]:
            k,i = k+1, i+1
            pnext[i] = k
        else:
            k = pnext[k] #退到跟短相同前缀
    return pnext

串匹配（KMP算法）：

def matching_KMP(t, p, pnext):
    """KMP串匹配，主函数"""
    j, i = 0, 0
    n, m = len(t), len(p)
    while j < n and i < m:
        if i == -1 or t[j] == p[i]:
            j, i = j+1, i+1
        else:
            i = pnext[i]
        if i == m:
            return j-i
    return -1