KMP算法是一種判斷字符串中是否含有特定子串的優化算法,效率比暴力搜索高出許多,是一個值得學習的算法。
其中,最關鍵的一步就是根據子串部分匹配表來加快搜索速度。
KMP算法步驟
舉例來說,有一個字符串 Str1 = “BBC ABCDAB ABCDABCDABDE”,判斷,裏面是否包含另一個字符串 Str2 = “ABCDABD”?
1.首先,用Str1的第一個字符和Str2的第一個字符去比較,不符合,關鍵詞向後移動一位
2.重複第一步,還是不符合,再後移
3.一直重複,直到Str1有一個字符與Str2的第一個字符符合爲止
4.接着比較字符串和搜索詞的下一個字符,還是符合。
5.遇到Str1有一個字符與Str2對應的字符不符合。
6.這時候,想到的是繼續遍歷Str1的下一個字符,重複第1步。(其實是很不明智的,因爲此時BCD已經比較過了,沒有必要再做重複的工作,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。)
7.怎麼做到把剛剛重複的步驟省略掉?可以對Str2計算出一張《部分匹配表》,這張表的產生在後面介紹
8.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。
9.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。
10.因爲空格與A不匹配,繼續後移一位。
11.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。
12.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。
13.介紹《部分匹配表》怎麼產生的
先介紹前綴,後綴是什麼
“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。
14.”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。
到此KMP算法思想分析完畢!
代碼實現
def kmp(str1, str2):
"""
KMP算法:判斷str1是否存在子串str2
:param str1:
:param str2:
:return:
"""
# 子串str2的部分匹配表
match = [0]
prefix = []
for i in range(1, len(str2)):
prefix.append(str2[:i]) # 補充前綴
# 判斷前綴與後綴最長的共有元素的長度
length = 0
for m in range(1, i+1):
if str2[m:i+1] in prefix:
if length < i + 1 - m:
length = i + 1 - m
match.append(length)
print(match)
i1 = 0
while True:
if i1 > len(str1) - 1:
break
substr = ''
for s1, s2 in zip(str1[i1:], str2):
if s1 != s2:
break
else:
substr += s1
if len(substr) == len(str2):
return i1
elif substr == '':
i1 += 1
else:
# 這裏時最關鍵的優化:移動位數 = 已匹配的字符數 - 對應的部分匹配值
i1 += len(substr) - match[len(substr)-1]
return -1
if __name__ == '__main__':
print(kmp('BBC ABCDAB ABCDABCDABDE', 'ABCDABD'))
歡迎關注同名公衆號:“我就算餓死也不做程序員”。
交個朋友,一起交流,一起學習,一起進步。