對於字符串匹配,暴力法是對每個位置進行逐位匹配,只要有匹配失敗的,就從待匹配串的下個位置開始從頭匹配,這樣的時間複雜度是O(MN)。
KMP算法能解決這樣效率低下匹配,其核心思想是保留已匹配的前綴和,避免重複匹配,時間複雜度是O(M+N)。
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"?
- 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。
- 因爲B與A不匹配,搜索詞再往後移。
- 直到字符串有一個字符,與搜索詞的第一個字符相同爲止。
- 接着比較字符串和搜索詞的下一個字符,還是相同。
- 直到字符串有一個字符,與搜索詞對應的字符不相同爲止。
- 這時,如果使用暴力法,將搜索詞整個後移一位,再從頭逐個比較。這樣做雖然可行,但是效率極低,因爲把"搜索位置"移到已經比較過的位置,重比一遍。
- 當空格與D不匹配時,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。
- 可以針對搜索詞,算出一張《部分匹配表》(Partial Match Table)。
- 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。
- 因爲空格與A不匹配,繼續後移一位。
- 逐位比較,直到發現C與D不匹配。
- 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。
"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。
KMP算法的Java實現
class Main {
public int KMP(String s1, String s2){
if(s2.length()>s1.length() || s2.length()==0) return -1;
int i=0,j=0;
int[] next = getNextArray(s2);
while(i<s1.length()){
if(s1.charAt(i)==s2.charAt(j)){
i++;
j++;
if(j==s2.length()) return i-j;
}else{
if(next[j]==-1) i++;
else j=next[j];
}
}
return -1;
}
public int[] getNextArray(String s){
int[] next = new int[s.length()];
next[0]=-1;
for(int i=1;i<s.length();i++){
int j=next[i-1];
while(j!=-1){
if(s.charAt(i-1) == s.charAt(j)){
next[i]=++j;
break;
}else j=next[j];
}
}
return next;
}
}