笔记-算法-KMP算法

笔记-算法-KMP算法

1.      KMP算法

KMP算法是一种改进的字符串匹配算法，KMP算法的关键是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。具体实现就是实现一个next()函数，函数本身包含了模式串的局部匹配信息。时间复杂度O(m+n)。

1.1.    基本思想

设主串（m）为：BBC ABCDAB ABCDABCDABDE

模式串（p）为：ABCDABD

1．首先，p首位与m第1位匹配，结果为否，搜索后移1位；

2．至P首位与m第4位匹配，后续5位也匹配，但第6位不匹配；搜索后移；

3．如果搜索仍后移1位，则是常规穷举算法，KMP算法的想法是，设法利用前5位不匹配这个已知信息，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。

4．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。

5．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。

6．接下来按部就班的重复直到找到全匹配或搜索至尾端结束搜索；

7．匹配表：

匹配表是“前缀”和“后缀”的最长共有元素的长度。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。

8．"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

1.2.    代码实现

def get_next(p):

    p_len = len(p)

    i, j = 0, -1

    next[0] = -1

    while i < p_len-1:

        if j == -1 or p[i] == p[j]:

            i += 1

            j += 1

            next[i] = j

        else:

            j = next[j]

    return next

def kmp(s,p):

    slen, plen = len(s), len(p)

    if slen >= plen:

        i, j = 0, 0

        next = getnext(p)

        while i < slen:

            if j == -1 or s[i] == p[j]:

                i += 1

                j += 1

            else:

                j = next[j]

            if j == plen:

                return j - plen

    return -1

2.      附：参考文档

http://www.ruanyifeng.com/blog/2013/05/Knuth%E2%80%93Morris%E2%80%93Pratt_algorithm.html

https://www.cnblogs.com/yjiyjige/p/3263858.html