最通俗易懂的KMP算法

 字符串匹配是計算機的基本任務之一。

  舉例來說,有一個字符串"BBC ABCDAB ABCDABCDABDE",我想知道,裏面是否包含另一個字符串"ABCDABD"?


  許多算法可以完成這個任務,Knuth-Morris-Pratt算法(簡稱KMP)是最常用的之一。它以三個發明者命名,起頭的那個K就是著名科學家Donald Knuth。


  這種算法不太容易理解,網上有很多解釋,但讀起來都很費勁。直到讀到Jake Boxer的文章,我才真正理解這種算法。下面,我用自己的語言,試圖寫一篇比較好懂的KMP算法解釋。

  1.

  首先,字符串"BBC ABCDAB ABCDABCDABDE"的第一個字符與搜索詞"ABCDABD"的第一個字符,進行比較。因爲B與A不匹配,所以搜索詞後移一位。

  2.

  因爲B與A不匹配,搜索詞再往後移。

  3.

  就這樣,直到字符串有一個字符,與搜索詞的第一個字符相同爲止。

  4.

  接着比較字符串和搜索詞的下一個字符,還是相同。

  5.

  直到字符串有一個字符,與搜索詞對應的字符不相同爲止。

  6.

  這時,最自然的反應是,將搜索詞整個後移一位,再從頭逐個比較。這樣做雖然可行,但是效率很差,因爲你要把"搜索位置"移到已經比較過的位置,重比一遍。

  7.

  一個基本事實是,當空格與D不匹配時,你其實知道前面六個字符是"ABCDAB"。KMP算法的想法是,設法利用這個已知信息,不要把"搜索位置"移回已經比較過的位置,繼續把它向後移,這樣就提高了效率。

  8.

  怎麼做到這一點呢?可以針對搜索詞,算出一張《部分匹配表》(Partial Match Table)。這張表是如何產生的,後面再介紹,這裏只要會用就可以了。

  9.

  已知空格與D不匹配時,前面六個字符"ABCDAB"是匹配的。查表可知,最後一個匹配字符B對應的"部分匹配值"爲2,因此按照下面的公式算出向後移動的位數:

  移動位數 = 已匹配的字符數 - 對應的部分匹配值

  因爲 6 - 2 等於4,所以將搜索詞向後移動4位。

  10.

  因爲空格與C不匹配,搜索詞還要繼續往後移。這時,已匹配的字符數爲2("AB"),對應的"部分匹配值"爲0。所以,移動位數 = 2 - 0,結果爲 2,於是將搜索詞向後移2位。

  11.

  因爲空格與A不匹配,繼續後移一位。

  12.

  逐位比較,直到發現C與D不匹配。於是,移動位數 = 6 - 2,繼續將搜索詞向後移動4位。

  13.

  逐位比較,直到搜索詞的最後一位,發現完全匹配,於是搜索完成。如果還要繼續搜索(即找出全部匹配),移動位數 = 7 - 0,再將搜索詞向後移動7位,這裏就不再重複了。

  14.

  下面介紹《部分匹配表》是如何產生的。

  首先,要了解兩個概念:"前綴"和"後綴"。 "前綴"指除了最後一個字符以外,一個字符串的全部頭部組合;"後綴"指除了第一個字符以外,一個字符串的全部尾部組合。

  15.

  "部分匹配值"就是"前綴"和"後綴"的最長的共有元素的長度。以"ABCDABD"爲例,

  - "A"的前綴和後綴都爲空集,共有元素的長度爲0;

  - "AB"的前綴爲[A],後綴爲[B],共有元素的長度爲0;

  - "ABC"的前綴爲[A, AB],後綴爲[BC, C],共有元素的長度0;

  - "ABCD"的前綴爲[A, AB, ABC],後綴爲[BCD, CD, D],共有元素的長度爲0;

  - "ABCDA"的前綴爲[A, AB, ABC, ABCD],後綴爲[BCDA, CDA, DA, A],共有元素爲"A",長度爲1;

  - "ABCDAB"的前綴爲[A, AB, ABC, ABCD, ABCDA],後綴爲[BCDAB, CDAB, DAB, AB, B],共有元素爲"AB",長度爲2;

  - "ABCDABD"的前綴爲[A, AB, ABC, ABCD, ABCDA, ABCDAB],後綴爲[BCDABD, CDABD, DABD, ABD, BD, D],共有元素的長度爲0。

  16.

  "部分匹配"的實質是,有時候,字符串頭部和尾部會有重複。比如,"ABCDAB"之中有兩個"AB",那麼它的"部分匹配值"就是2("AB"的長度)。搜索詞移動的時候,第一個"AB"向後移動4位(字符串長度-部分匹配值),就可以來到第二個"AB"的位置。

public int[] getNext(String subStr){    //獲取nextval
	KMP kk=new KMP();
	int[] next=new int[subStr.length()];
	char[] b=subStr.toCharArray();
	int j=0,k=-1;
	next[0]=-1;
	while(j<subStr.length()-1){
		if(k==-1||b[j]==b[k]){
			j++;
			k++;
			if(b[j]!=b[k]){
				next[j]=k;
			}else {
				next[j]=next[k];
				}
		}else {
			k=next[k];
		}
	}
	return next;
}

public int kmp(String Str,String subStr){    //匹配
	KMP kk=new KMP();
	char[] b=Str.toCharArray();
	char[] b_sub=subStr.toCharArray();
	int i=0,j=0;
	int next[]=getNext(subStr);
	while(i<Str.length()&&j<subStr.length()){
		if(j==-1||b[i]==b_sub[j]){
			i++;
			j++;
		}else{
			j=next[j];
		}
	}
	if(j>=subStr.length()){
		return (i-subStr.length());
	}else {
		return -1;
	}
}




發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章