KMP串中的模式匹配算法
一般的匹配算法:
KMP基本概念引入:
但是,其实我们会发现,上面的中间两个匹配步骤是没有必要的,因为他们的第一个匹配字母就不相同,完全没有可比性,而当我们在第四次匹配的时候,其
实我们从模式串中就可得知,只有当模式串滑到这个地方的时候,它的匹配才是最有价值的,因为从模式串中我们可以得知,最后一个C的前一个字母是a,而在模
式串中的第二个字母b的前一个字母也是a,再无其他,从第一步匹配的结果我们可以得知,模式串中的最后一个字母c与主串中的b匹配失败(读者们是否注意
到,我们前面提到的,这个c的前一个字母是a哦),
而从模式串中我们可以得知,即我们完全可以跳过上面匹配步骤的中间的两步,那是否读者在担心中间会错过原本可以匹配的呢,完全不必担心,因为在我们的模式
串中就记录了,前面就连一个能和a进行匹配的字母都没有。
那么,当某一轮匹配失败时,模式项的滑动位置如何确定,即模式项中的那一项来和主串的的b(黄色格子内)对齐,从而省略中间的比较项,我们可以将这一项的index设置为K,如上的模式项,K为2
注意在串中,数组的第一项是用来记录数据个数的。
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------
如上所述,KMP算法的关键,即根据模式串找到那个K(下面列出K所需要满足的条件)(当主串中第i个字符与子串中第j个字符失配时):
设主串为:s1s2……sn 子串为:p1p2……pn
则K的取值应满足:
----------------------》》》》》》》》》》》》》》》
归根结底,找模式串与串头重复的子串:
实例:
那么:如何找到模式串中的每一个元素的K,也即如图中的next数组:
代码敬上:
void get_next(SString T,int next[])
{ /* 求模式串T的next函数值并存入数组next 算法 4.7 */
int i=1,j=0;
next[1]=0;
while(i<T[0])
if(j==0||T[i]==T[j])
{
++i;
++j;
next[i]=j;
}
else
j=next[j]; /*精髓之处 当前面已经有了相似的比较的时候,直接借用前面的结果 两个大体的环境相似,则这两个大体的环境间就会存在相同的匹配环境,即已经记录的环境,如果错过了一些已经匹配了子串,则会导致K值比实际的要小,即后面的匹配必须依赖前面的匹配结果*/
}
上面代码解释:
1:j=0时,i和j都要相加并给next赋值
2:T[i] = T[j] ,i和j都要相加并给next赋值
如果上面两个都不满足,则需要将 j 往前指向,那么问题就来了,为什么不直接 j = 1,而需要将 next[j]的值赋给 j
呢,其实就如我在代码中所讲,不妨也举个栗子说明一下。
其实可以总结为一下几点,K的目的是定位偏移量的index,失配项的前面有几个与模式项的头部相等的,K就为这些数加1,而其实这几个数,正是我们所要跳过的。
KMP算法的劣势,其实,从寻找K的过程中我们就可以看出,KMP算法重度依赖模式串与主串存在许多部分匹配
KMP算法从next[]到nextVal[]
上面,我们谈到了一个模式串K值的记录数组next[],详细可看那篇文章,其实,前面定义的next[]数组是有一定缺陷的,下面我面我将针对一种情况进行举例:
如上图,如果按照之前的方法所获取的next[]数组的话,当两个字符串匹配到上图的情况是,将会出现如下图的情况:
我们发现,从step1到step3所走的路都是浪费的,因为都是用同一个字母(a)和b去比,而这个计算机也是哼容易识别的,所以对于next[]的改进是行的通的。
究其原因,为什么我会说上面的3个步骤是白走的呢,以为这是三个连续的相等的a,因此我们可以从第一步直接跳到第四步,即:得到的数组next[j] =
k,而模式串p[j] = p[k],当主串中的s[i] 和 p[j]
匹配失败时,不需要再和p[k]比较,而直接和p[next[k]]进行比较,当然可以一直迭代往前。
即:
代码如下:
void get_nextVal(SString T, int nextVal[])
{
int i = 1, j = 0;
nextVal[1] = 0;
while( i <= T[0])
{
if(j == 0 || T[i] == T[j])
{
j++;
i++;
if(nextVal[i] == nextVal[j])
{
nextVal[i] = nextVal[j];
}
else
{
nextVal[i] == j;
}
}
else
{
j = nextVal[j];
}
}
}
注意,所求的永远是前一个的K(写给自己的)嘻嘻