天天看點

KMP算法(改進後的字元串比對算法)

kmp算法完成的任務是:給定兩個字元串O和f,長度分别為n和m,判斷f是否在O中出現,如果出現則傳回出現的位置。正常方法是周遊a的每一個位置,然後從該位置開始和b進行比對,但是這種方法的複雜度是O(nm)。kmp算法通過一個O(m)的預處理,使比對的複雜度降為O(n+m)。

這種算法不太容易了解,網上有很多解釋,但讀起來都很費勁。直到讀到Jake Boxer的文章,我才真正了解這種算法。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.

KMP算法(改進後的字元串比對算法)

  首先,字元串"BBC ABCDAB ABCDABCDABDE"的第一個字元與搜尋詞"ABCDABD"的第一個字元,進行比較。因為B與A不比對,是以搜尋詞後移一位。

  2.

KMP算法(改進後的字元串比對算法)

  因為B與A不比對,搜尋詞再往後移。

  3.

KMP算法(改進後的字元串比對算法)

  就這樣,直到字元串有一個字元,與搜尋詞的第一個字元相同為止。

  4.

KMP算法(改進後的字元串比對算法)

  接着比較字元串和搜尋詞的下一個字元,還是相同。

  5.

KMP算法(改進後的字元串比對算法)

  直到字元串有一個字元,與搜尋詞對應的字元不相同為止。

  6.

KMP算法(改進後的字元串比對算法)

  這時,最自然的反應是,将搜尋詞整個後移一位,再從頭逐個比較。這樣做雖然可行,但是效率很差,因為你要把"搜尋位置"移到已經比較過的位置,重比一遍。

  7.

KMP算法(改進後的字元串比對算法)

  一個基本事實是,當空格與D不比對時,你其實知道前面六個字元是"ABCDAB"。KMP算法的想法是,設法利用這個已知資訊,不要把"搜尋位置"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.

KMP算法(改進後的字元串比對算法)

  怎麼做到這一點呢?可以針對搜尋詞,算出一張《部分比對表》(Partial Match Table)。這張表是如何産生的,後面再介紹,這裡隻要會用就可以了。

  9.

KMP算法(改進後的字元串比對算法)

  已知空格與D不比對時,前面六個字元"ABCDAB"是比對的。查表可知,最後一個比對字元B對應的"部分比對值"為2,是以按照下面的公式算出向後移動的位數:

  移動位數 = 已比對的字元數 - 對應的部分比對值

  因為 6 - 2 等于4,是以将搜尋詞向後移動4位。

  10.

KMP算法(改進後的字元串比對算法)

  因為空格與C不比對,搜尋詞還要繼續往後移。這時,已比對的字元數為2("AB"),對應的"部分比對值"為0。是以,移動位數 = 2 - 0,結果為 2,于是将搜尋詞向後移2位。

  11.

KMP算法(改進後的字元串比對算法)

  因為空格與A不比對,繼續後移一位。

  12.

KMP算法(改進後的字元串比對算法)

  逐位比較,直到發現C與D不比對。于是,移動位數 = 6 - 2,繼續将搜尋詞向後移動4位。

  13.

KMP算法(改進後的字元串比對算法)

  逐位比較,直到搜尋詞的最後一位,發現完全比對,于是搜尋完成。如果還要繼續搜尋(即找出全部比對),移動位數 = 7 - 0,再将搜尋詞向後移動7位,這裡就不再重複了。

  14.

KMP算法(改進後的字元串比對算法)

  下面介紹《部分比對表》是如何産生的。

  首先,要了解兩個概念:"字首"和"字尾"。 "字首"指除了最後一個字元以外,一個字元串的全部頭部組合;"字尾"指除了第一個字元以外,一個字元串的全部尾部組合。

  15.

KMP算法(改進後的字元串比對算法)

  "部分比對值"就是"字首"和"字尾"的最長的共有元素的長度。以"ABCDABD"為例,

  - "A"的字首和字尾都為空集,共有元素的長度為0;

  - "AB"的字首為[A],字尾為[B],共有元素的長度為0;

  - "ABC"的字首為[A, AB],字尾為[BC, C],共有元素的長度0;

  - "ABCD"的字首為[A, AB, ABC],字尾為[BCD, CD, D],共有元素的長度為0;

  - "ABCDA"的字首為[A, AB, ABC, ABCD],字尾為[BCDA, CDA, DA, A],共有元素為"A",長度為1;

  - "ABCDAB"的字首為[A, AB, ABC, ABCD, ABCDA],字尾為[BCDAB, CDAB, DAB, AB, B],共有元素為"AB",長度為2;

  - "ABCDABD"的字首為[A, AB, ABC, ABCD, ABCDA, ABCDAB],字尾為[BCDABD, CDABD, DABD, ABD, BD, D],共有元素的長度為0。

  16.

KMP算法(改進後的字元串比對算法)

  "部分比對"的實質是,有時候,字元串頭部和尾部會有重複。比如,"ABCDAB"之中有兩個"AB",那麼它的"部分比對值"就是2("AB"的長度)。搜尋詞移動的時候,第一個"AB"向後移動4位(字元串長度-部分比對值),就可以來到第二個"AB"的位置。

public class KMPTest {

public static void main(String[] args) {

String string = "abca";

String source = "abccabcababcad";

int[] ii1 = kmpNext(string);

for (int i = 0; i < ii1.length; i++) {

System.out.print(ii1[i] + " ");

}

System.out.println();

kmp(source, string, ii1);

//可找出多個符合要求的串

public static void kmp(String original, String find, int next[]) {

int j = 0;

for (int i = 0; i < original.length(); i++) {

while (j > 0 && original.charAt(i) != find.charAt(j)) {

j = next[j - 1];

if (original.charAt(i) == find.charAt(j))

j++;

if (j == find.length()) {

System.out.println("find at position " + (i - j));

System.out.println(original.subSequence(i - j + 1, i + 1));

// j = 0;

public static int[] kmpNext(String dest) { // aaccaba

int[] next = new int[dest.length()];

next[0] = 0;

for (int i = 1, j = 0; i < dest.length(); i++) {

while (j > 0 && dest.charAt(j) != dest.charAt(i)) {

if (dest.charAt(i) == dest.charAt(j)) {

next[i] = j;

return next;

繼續閱讀