KMP算法实现

本文描述了单模式的字符串匹配的经典算法KMP算法的实现。首先对字符串匹配算法做简单的介绍，然后是KMP算法的实现描述，最后推荐两道简单的ACM模板题做练手用。

字符串匹配算法

字符串匹配(String Matchiing)也称字符串搜索(String Searching)是字符串算法中重要的一种，是指从一个大字符串或文本中找到模式串出现的位置。一个基本的字符串匹配算法分类如下：

• 单模式匹配：即每次算法执行只需匹配出一个模式串。
• 有限集合的多模式匹配：即算法需要同时找出多个模式串的匹配结果，而这个模式串集合是有限的。
• 无限集合的多模式匹配：如正则表达式的匹配。

单模式匹配最容易理解，构造也非常简单。一个最朴素的思路就是从文本的第一个字符顺次比较模式串，不匹配则重新从下一个字符开始匹配，直到文本末尾。Java实现代码如下：

    public static boolean bruteforce(String str1, String str2) {
         for (int i = 0, j = 0; i!= str1.length(); ) {
               if (str1.charAt(i) == str2.charAt(j)) {
                    j ++;
                    i ++;
                    if (j == str2.length()) return true;
               }else {         
                    i = i - j + 1;
                    j = 0;                        
               }
          }
          return false;
     }

但是这种算法，有明显的效率黑洞。因为每次匹配失败后，都会回到原来的匹配起点的下一个字符开始匹配，这些步骤很多情况下，并不是必要的。

实际上这些字符很有可能已经被读入了一次。理论上，如果我们能对所有被读入过的字符有足够的了解，那就能判定是否能避免再次读入一遍做匹配运算了。经典的KMP算法正是基于这点思考，对原有的蛮力算法做出了优化。

KMP算法

网络上关于KMP算法的描述很多，其中个人觉得阮一峰老师的《字符串匹配的KMP算法》对KMP的描述最为简明和清晰。图例展示的算法流程更容易让人接受和理解。这里仅记录我所认为重点的知识点。

算法的思想

相比蛮力算法，KMP算法预先计算出了一个哈希表，用来指导在匹配过程中匹配失败后尝试下次匹配的起始位置，以此避免重复的读入和匹配过程。这个哈希表被叫做“部分匹配值表(**Particial match table**)”，它的设计是算法精妙之处。

部分匹配值表

要理解部分匹配值表，就得先了解字符串的前缀(prefix)和后缀(postfix)。

• 前缀:除字符串最后一个字符以外的所有头部串的组合。
• 后缀：除字符串第一个字符以外的所有尾部串的组合。
• 部分匹配值：一个字符串的前缀和后缀中最长共有元素的长度。

举例说明：字符串ABCAB

• 前缀：{A， AB， ABC， ABCA}
• 后缀：{BCAB， CAB， AB， B}
• 部分匹配值：2 （AB）

而所谓的部分匹配值表，则为模式串的所有前缀以及其本身的部分匹配值。

还是针对字符串ABCAB，它的部分匹配值表为：

A B C A B
0 0 0 1 2

算法实现

    public static int[] next;

    public static boolean kmp(String str, String dest) {
         for (int i = 0, j = 0; i < str.length(); i ++) {
               while (j > 0 && str.charAt(i) != dest.charAt(j))//iterate to find out the right next position
                    j = next[j - 1];

               if (str.charAt(i) == dest.charAt(j))
                    j ++;

               if (j == dest.length())
                    return true;
          }
          return false;
     }

     public static int[] kmpNext(String str) {
          int[] next = new int[str.length()];
          next[0]  = 0;
          for (int i = 1, j = 0; i < str.length(); i ++) {//j == 0 means the cursor points to nothing.
               //the j here stands for the number of same characters for postfix and prefix, instead of
               //the index of the end of prefix.
                while (j > 0 && strt.charAt(j) != sr.charAt(i))
                    j = next[j - 1]; //watch out here! it's j - 1 here, instead of j

               if (str.charAt(i) == str.charAt(j))
                    j ++;

               next[i] = j;
          }
          return next;
     }

值得注意的是，kmp的循环代码和部分匹配值表生成的循环代码很类似。两者使用了相同的迭代方式找到匹配失败后，新的可匹配情况。

其他

KMP算法虽然能达到O(M+N)的算法复杂度，但在实际使用中，KMP算法的性能并不如BM算法强。

模板题

HDOJ的2203题是一个能检验算法正确性的模板题。Java实现的答案代码请戳这里

另有POJ的2406题，对考察点做了巧妙的变形，对更深入的理解KMP中的部分匹配表很有帮助。Java实现的答案代码请戳这里

其他参考资料：

• wiki:Knuth–Morris–Pratt Algorithm

• wiki:String Searching Algorithm

• 《KMP算法的实现》

• 《Linux 内核中的 KMP 实现》

  
  

  PS: 欢迎关注博客的新家： http://biaobiaoqi.me