算法模板——ＫＭＰ（字符串匹配）
看了算法书和博客，发现了ｎｅｘｔ[] 可以有两种用法，不过ｋｍｐ的算法思想都是一样的
１、入门介绍
什么是KMP算法：
KMP算法要解决的问题就是在字符串（也叫主串）中的模式（pattern）定位问题。说简单点就是我们平时常说的关键字搜索。
模式串就是关键字（接下来称它为P），如果它在一个主串（接下来称为T）中出现，就返回它的具体位置，否则返回-1（常用手段）。
首先，对于这个问题有一个很单纯的想法：从左到右一个个匹配，如果这个过程中有某个字符不匹配，就跳回去，将模式串向右移动一位。这有什么难的？
我们可以这样初始化：
之后我们只需要比较i指针指向的字符和j指针指向的字符是否一致。如果一致就都向后移动，如果不一致，如下图：
A和E不相等，那就把i指针移回第1位（假设下标从0开始），j移动到模式串的第0位，然后又重新开始这个步骤：
对于常规的字符串匹配，一般都是一路穷举过去
可以看出常规的办法，每次都要从头开始检查，一旦检查到不相等，S串只能向右移一位，然后重新从头检查，做了很多重复的工作。
二、算法分析：
然而 KMP 算法的过程是这样的：
ＫＭＰ核心在于ｎｅｘｔ数组，主要有两种思想：
１、ｎｅｘｔ数组存的是ｊ下一步要移动到哪一个位置
（１）、
如果是人为来寻找的话，肯定不会再把i移动回第1位，因为主串匹配失败的位置前面除了第一个A之外再也没有A了，我们为什么能知道主串前面只有一个A？因为我们已经知道前面三个字符都是匹配的！（这很重要）。移动过去肯定也是不匹配的！有一个想法，ｉ可以不动，我们只需要移动ｊ 即可
上面的这种情况还是比较理想的情况，我们最多也就多比较了再次。
但假如是在主串“SSSSSSSSSSSSSA”中查找“SSSSB”，比较到最后一个才知道不匹配，然后i回溯，这个的效率是显然是最低的。
大牛们是无法忍受“暴力破解”这种低效的手段的，于是他们三个研究出了KMP算法。其思想就如同我们上边所看到的一样：
“利用已经部分匹配这个有效信息，保持i指针不回溯，通过修改 j 指针，让模式串尽量地移动到有效的位置。”
所以，整个KMP的重点就在于当某一个字符与主串不匹配时，我们应该知道 j 指针要移动到哪？
接下来我们自己来发现j的移动规律：
如图：C和D不匹配了，我们要把 j 移动到哪？显然是第1位。为什么？因为前面有一个A相同啊：
如下图也是一样的情况：
可以把 j 指针移动到第2位，因为前面有两个字母是一样的：
至此我们可以大概看出一点端倪，当匹配失败时，j要移动的下一个位置 k。
存在着这样的性质：最前面的k个字符和 j 之前的最后k个字符是一样的。
如果用数学公式来表示是这样的
P[0 ~ k-1] == P[j-k ~ j-1]
这个相当重要，如果觉得不好记的话，可以通过下图来理解：
弄明白了这个就应该可能明白为什么可以直接将 j 移动到 k 位置了。
因为:
当T[i] != P[j]时
有T[i-j ~ i-1] == P[0 ~ j-1]
由P[0 ~ k-1] == P[j-k ~ j-1]
必然：T[i-k ~ i-1] == P[0 ~ k-1]、
公式很无聊，能看明白就行了，不需要记住。
这一段只是为了证明我们为什么可以直接将 j 移动到k而无须再比较前面的k个字符。
（２）、好，接下来就是重点了，怎么求这个（这些）k呢？
因为在P的每一个位置都可能发生不匹配，也就是说我们要计算每一个位置 j 对应的k，所以用一个数组next来保存，
介绍ｎｅｘｔ：
（１）、ｊ退到某ｎｅｘｔ值时字符比较相等，指示器变量值各加１后继续比较；
（２）、next[j] = k，表示当 T[i] != P[j] 时，j 指针的下一个位置，也就是将要移动的位置
（３）、ｊ退到－１的时候（即模式的第一个字符匹配失误时），ｉ和ｊ都要分别加１，表明从主串的下一个字符起和模式串进行匹配
（－１ 只是定义的初值）
好，先把这个放一边，我们自己来推导思路，现在要始终记住一点，
next[j]的值（也就是k）表示，当P[j] != T[i]时，j指针的下一步移动位置。
先来看第一个：当j为0时，如果这时候不匹配，怎么办？
像上图这种情况，j已经在最左边了，不可能再移动了，这时候要应该是i指针后移。所以在代码中才会有next[0] = -1;这个初始化。
如果是当j为1的时候呢？
显然，j指针一定是后移到0位置的。因为它前面也就只有这一个位置了~~~
下面这个是最重要的，请看如下图：
请仔细对比这两个图。
我们发现一个规律：
当P[k] == P[j]时，
有next[j+1] == next[j] + 1
其实这个是可以证明的：
因为在P[j]之前已经有P[0 ~ k-1] == p[j-k ~ j-1]。（next[j] == k）
这时候现有P[k] == P[j]，我们是不是可以得到P[0 ~ k-1] + P[k] == p[j-k ~ j-1] + P[j]。
即：P[0 ~ k] == P[j-k ~ j]，即next[j+1] == k + 1 == next[j] + 1。
这里的公式不是很好懂，还是看图会容易理解些。
那如果P[k] != P[j]呢？比如下图所示：
像这种情况，如果你从代码上看应该是这一句：k = next[k];为什么是这样子？你看下面应该就明白了。
现在你应该知道为什么要k = next[k]了吧！像上边的例子，我们已经不可能找到[ A，B，A，B ]这个最长的后缀串了，但我们还是可能找到[ A，B ]、[ B ]这样的前缀串的。所以这个过程像不像在定位[ A，B，A，C ]这个串，当C和主串不一样了（也就是k位置不一样了），那当然是把指针移动到next[k]啦。
有了next数组之后就一切好办了，我们可以动手写KMP算法了：
（３）、ＣＯＤＥ：
#include
#include
#include
#include
using namespace std;
char s[1000001],c[1000001];
int next[1000001];
void nextt()
{
int i=0； // 指向主串的位置
int j=-1; // 指向模式串的位置
int m;
next[0]=-1; // 初值
m=strlen(s);
while(i
２、ｎｅｘｔ数组存的是每一位的最大相同前后缀的长度
（１）、介绍
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。
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，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 - 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。
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。
（２）、ｎｅｘｔ分析：
void makeNext(const char P[],int next[])
{
int q,k; //q:模版字符串下标；k:最大前后缀长度
int m = strlen(P); //模版字符串长度
next[0] = 0; //模版字符串的第一个字符的最大前后缀长度为0
for (q = 1,k = 0; q < m; ++q) //for循环，从第二个字符开始，依次计算每一个字符对应的next值
{
while(k > 0 && P[q] != P[k]) //递归的求出P[0]···P[q]的最大的相同的前后缀长度k
k = next[k-1];
if (P[q] == P[k]) //如果相等，那么最大相同前后缀长度加1
{
k++;
}
next[q] = k;
}
}
现在我着重讲解一下while循环所做的工作：
- 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]···P[j-1](j==next[k-1])，看看它的下一项P[j]是否能和P[q]匹配。如图2所示
完整ＣＯＤＥ：
#include
#include
void makeNext(const char P[],int next[])
{
int q,k;
int m = strlen(P);
next[0] = 0;
for (q = 1,k = 0; q < m; ++q)
{
while(k > 0 && P[q] != P[k])
k = next[k-1];
if (P[q] == P[k])
{
k++;
}
next[q] = k;
}
}
int kmp(const char T[],const char P[],int next[])
{
int n,m;
int i,q;
n = strlen(T);
m = strlen(P);
makeNext(P,next);
for (i = 0,q = 0; i < n; ++i)
{
while(q > 0 && P[q] != T[i])
q = next[q-1];
if (P[q] == T[i])
{
q++;
}
if (q == m)
{
printf("Pattern occurs with shift:%d\n",(i-m+1));
}
}
}
int main()
{
int i;
int next[20]={0};
char T[] = "ababxbababcadfdsss";
char P[] = "abcdabd";
printf("%s\n",T);
printf("%s\n",P );
// makeNext(P,next);
kmp(T,P,next);
for (i = 0; i < strlen(P); ++i)
{
printf("%d ",next[i]);
}
printf("\n");
return 0;
}
