(可以转载,但请注明出处!)
下面是有关学习KMP的参考网站
先说说next数组的含义:
next[i]就是前面长度为i的字符串前缀和后缀相等的最大长度,也即索引为i的字符失配时的前缀函数。
下面几个版本的next函数,除了next[0]不同外(版本一中为-1,版本二中为0),其余无差别
一:KMP算法模板
版本一:
//求str对应的next数组void getNext(char const* str, int len){ int i = 0; next[i] = -1; int j = -1; while( i < len ) { if( j == -1 || str[i] == str[j] ) //循环的if部分 { ++i; ++j; //修正的地方就发生下面这4行 if( str[i] != str[j] ) //++i,++j之后,再次判断ptrn[i]与ptrn[j]的关系 next[i] = j; //之前的错误解法就在于整个判断只有这一句。 else next[i] = next[j]; //这里其实是优化了后的,也可以仍是next[i]=j //当str[i]==str[j]时,如果str[i]匹配失败,那么换成str[j]肯定也匹配失败, //所以不是令next[i]=j,而是next[i] = next[j],跳过了第j个字符, //即省去了不必要的比较 //非优化前的next[i]表示前i个字符中前缀与后缀相同的最大长度 } else //循环的else部分 j = next[j]; }}//在目标字符串target中,字符str出现的个数//n为target字符串的长度,m为str字符串的长度int kmp_match(char *target,int n,char *str,int m){ int i=0,j=0; //i为target中字符的下标,j为str中字符的下标 int cnt=0; //统计str字符串在target字符串中出现的次数 while(i<=n-1){ if(j<0||target[i]==str[j]){ i++; j++; } else{ j=next[j]; //当j=0的时候,suffix[0]=-1,这样j就会小于0,所以一开始有判断j是否小于0 } //str在target中找到匹配 if(j==m){ cnt++; j=next[j]; } } return cnt;}//在目标字符串target中,若存在str字符串,返回匹配成功的第一个字符的位置int kmp_search(char *target,int n,char *str,int m){ int i=0,j=0; //i为target中字符的下标,j为str中字符的下标 int cnt=0; //统计str字符串在target字符串中出现的次数 while(i=m) return i-m; else return -1;}
版本二(算法导论):
//这里的next和前面一样,next[i]就是前面长度为i的字符串前缀和后缀相等的长度,//即索引为i的字符失配时的前缀函数void getNext(char *str,int m){ memset(next,0,sizeof(next)); next[1]=0; int k=0; for(int i=2;i<=m;i++){ while(k>0 && str[k]!=str[i-1]) k=next[k]; if(str[k]==str[i-1]) k++; next[i]=k; }}//n为target字符串的长度,m为str字符串的长度,统计str在target中出现的个数int match(char *target,int n,char * str,int m){ int k=0,cnt=0; for(int i=0;i0 && str[k]!=target[i]) k=next[k]; if(str[k]==target[i]) k++; if(k==m){ cnt++; k=next[k]; } } return cnt;}//n为target字符串的长度,m为str字符串的长度//若存在str字符串,返回匹配成功的第一个字符的位置int match(char *target,int n,char * str,int m){ int k=0,cnt=0; for(int i=0;i 0 && str[k]!=target[i]) k=next[k]; if(str[k]==target[i]) k++; if(k==m){ return i-m+1; } } return -1;}
某大神的模板(其实和算法导论一样):
#define KMP_GO(X) while(k>0 && P[k]!=X[i]) k=next[k];if(P[k]==X[i])k++//求字符串P在T中出现的次数int kmp_match(char*T,char*P){ int n,m,next[10010],i,k,c; n=strlen(T);m=strlen(P); next[1]=k=0; for(i=1;i
二:KMP最小循环节、循环周期:
定理:假设S的长度为len,则S存在最小循环节,循环节的长度L为len-next[len],子串为S[0…len-next[len]-1]。
(1)如果len可以被len - next[len]整除,则表明字符串S可以完全由循环节循环组成,循环周期T=len/L。
(2)如果不能,说明还需要再添加几个字母才能补全。需要补的个数是循环个数L-len%L=L-(len-L)%L=L-next[len]%L,L=len-next[len]。
理解该定理,首先要理解next数组的含义:next[i]表示前面长度为i的子串中,前缀和后缀相等的最大长度。
如:abcdabc
index | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
char | a | b | c | d | a | b | C |
|
next | -1 | 0 | 0 | 0 | 0 | 1 | 2 | 3 |
如对于a,ab,abc,abcd,很明显,前缀和后缀相同的长度为0
对于长度为5的子串abcda,前缀的a和后缀的a相同,长度为1
对于长度为6的子串abcdab,前缀的ab和后缀的ab相同,长度为2
接下来举几个例子来说明最小循环节和循环周期:
为方便说明,先设字符串的长度为len,循环子串的长度为L
1.
s0s1s2s3s4s5 ,next[6]=3
即s0s1s2=s3s4s5
很明显可知:循环子串为s0s1s2,L=len-next[6]=3,且能被len整除。
2.
s0s1s2s3s4s5s6s7 ,next[8]=6
此时len-next[8]=2 ,即L=2
由s0s1s2s3s4s5=s2s3s4s5s6s7
可知s0s1=s2s3,s2s3=s4s5,s4s5=s6s7
显然s0s1为循环子串
3.
s0s1s2s3s4s5s6 ,next[7]=4
此时len-next[7]=3,即L=3
由s0s1s2s3=s3s4s5s6
可知s0s1=s3s4,s2s3=s5s6
从而可知s0s1s2=s3s4s5,s0=s3=s6
即如果再添加3-4%3=2个字母(s1s2),那么得到的字符串就可以由s0s1s2循环3次组成
这个定理可以这么理解:
对于一个字符串,如abcd abcd abcd,由长度为4的字符串abcd重复3次得到,那么必然有原字符串的前八位等于后八位。
也就是说,对于某个字符串S,长度为len,由长度为L的字符串s重复R次得到,当R≥2时必然有S[0..len-L-1]=S[L..len-1],字符串下标从0开始
那么对于KMP算法来说,就有next[len]=len-L。此时L肯定已经是最小的了(因为next的值是前缀和后缀相等的最大长度,即len-L是最大的,那么在len已经确定的情况下,L是最小的)。
如果一定仔细证明的话,请看下面:
(参考来自:,有所改动)
k m x j i
由上,next【i】=j,两段红色的字符串相等(两个字符串完全相等),s[k....j]==s[m....i]
设s[x...j]=s[j....i](xj=ji)
则可得,以下简写字符串表达方式
kj=kx+xj;
mi=mj+ji;
因为xj=ji,所以kx=mj,如下图所示
k m a x j i
设s[a…x]=s[x..j](ax=xj)
又由xj=ji,可知ax=xj=ji
即s[a…i]是由s[a…x]循环3次得来的。
而且看到没,此时又重复上述的模型,s[k…x]=s[m…j],可以一直递推下去
最后可以就可以递推出文章开头所说的定理了。
最后再举两个相关例子
abdabdab len:8 next[8]:5
最小循环节长度:3(即abd) 需要补的个数是1 d
ababa len:5 next[5]:3
最小循环节长度:2(即ab) 需要补的个数是1 b