KMP算法C代码实现

一、初识KMP

理解KMP算法需要关注2个问题：（请注意：字符串下标从0开始。）

当i指针与j指针失配时：

1、当母串和模式串不匹配时，i指针为什么不需要回溯？

2、当母串和模式串不匹配时，i指针不回溯，那么j指针应该移动到哪？

通过解释第1个问题，我来引出第2个问题。（其实第1个问题，你不明白，不影响你研究第2个问题，你也可以理解了第2个问题后来分析第1个问题。）

对于母串S和模式串T，如果母串的指针i处与模式串的j处失配，假设母串存在回溯i到back(i) （匹配前的i < back(i) < i），有与模式串的从0开始的模式串有一段一样长的“段落”，这个母串的段落只有是S[back(i)] 至S[i-1]才有意义，如果从S[back(i)] 至S[i-1]的过程中就已经不匹配了，那回溯至这个back(i)就更没有必要了。 即S[back(i) ...i-1]=T[0...x] ，x = i-1-back(i)。又因为前面失配时存在同样长度的段落，即S[back[i]...i-1]
= T[ j -1-x... j-1]，所以T[0...x] = T[j-1-x ...j-1]。

这其实就转化成了i不变，j指针移动到x+1（后面讨论用next[j] 表示 x +1 ）的问题，即问题2。

你可以用back(i) = i - 1 - x = i - next[j]来验证我的分析，注意我的字符串的下标是从0开始的。

我们来讨论问题2:



当 i与j 不匹配的时候，图1所示，因为有k < j 并且 Si-j... Si-1 = T0...Tj-1 ，所以Si-k...Si-1 = Tj-k...Tj-1。

由于S的i不回溯，图2所示，且需要与T的k指针比较，则Si-k...Si-1 = T0...Tk-1。所以T0...Tk-1 = Tj-k...Tj-1。

令next[j] = k 表示当模式串的j与主串相应字符i不匹配时，在模式中需重新与主串中该字符i比较的字符的位置。则next[j]表示为：



那我们如何求取next[j]呢？ 用递推的方式，即通过已知的next[0] = -1, 来推出后面如next[1]、next[2]、next[3]... 的值。最关键的是找出next[j + 1] 与next[j]的关系。

所以我们来研究next[j + 1] 与 next[j]的关系。(当然我们的前提是next[j] = k，不要忘记哦）

因为 next[j] = k，这意味着T0...Tk-1= Tj-k ...Tj-1 （0 < k < j，并且k是满足这个等式的max(k)。）

那此时next[j + 1] 等于多少呢？

分两种情况：

1、如 Tk = Tj，则T0...Tk-1Tk = Tj-k...Tj-1Tj 。这表示next[j + 1] = k + 1，又由于k = next[j] ，所以next[j + 1] = next[j] + 1 ，故根据next[j]可求得next[j+1]。

2、较为难理解的是Tk ≠ Tj 。此时显然T0...Tk-1Tk ≠ Tj-k...Tj-1Tj 。如果我们把###Tj-k...Tj-1Tj###
表示母串，以T0...Tk-1Tk###表示模式串。显然当Tj与Tk失配的时候，Tj应该与模式串的k'=next[k] 来匹配。此时应该有T0...Tk'-1 = Tk-k'...Tk-1=Tj-k'...Tj-1。(1 < k' < k < j）。 注意，此时我们需要关注Tk‘与Tj的关系，关注Tk'与Tk的关系对于解决next[j+1]没有用处！

此时也应该分两种情况，即

1）、如果Tk‘= Tj ，所以T0...Tk'-1Tk' = Tj-k'...Tj-1Tj 。所以next[j + 1] = k' + 1，由于k' = next[k]，所以next[j + 1] = next[k] + 1，故根据next[k]可求得next[j+1]。

2）、如果Tk' ≠ Tj，我们就要寻找更小的k''来匹配Tj。这当然也是有两种情况，即Tk'' = Tj 或Tk"≠ Tj，对于前者，next[j + 1] = k" +
1 = next[k'] + 1,寻找结束；对于后者，继续寻找更小的k'''、k''''，当然寻找不能无限制下去，结束的条件就是next[0] = -1 或你提前找到了你的k ?（如果你找到了你的k?，显然next[j + 1]
= k？+ 1，寻找结束）。

现在来分析说明get_next函数（见代码实现部分）的正确性。

我们需要证明在next[j]==k的基础上得到next[j+1]=(k/next[k]/.../-1之一） + 1 ，考察字符串abaabcac，下标从0开始，规定next[0]=-1

当j=0, k=-1，满足next[j]=k，因为k=-1，我们可以得到next[j+1]=k+1， 即next[1]=0；

当j=1, k=0， 满足next[j]=k，因为T[j] ≠T[k]，但next[k]=-1，我们可以得到next[j+1]=next[k]+1， 即next[2]=0；

当j=2, k=0， 满足next[j]=k，因为T[j]=T[k]， 我们可以得到next[j+1]=k+1， 即next[3]=1；

当j=3, k=1， 满足next[j]=k，因为T[j]≠T[k]，但T[j]=T[next[k]]， 我们可以得到next[j+1] = next[k]+1， 即next[2]=1；

由前面next[j] = k ，我们根据get_next函数可以证明一般性结论next[j+1] = (k/next[k]/.../-1之一） + 1。

二 、代码实现

[cpp] view
plain copy







#include <stdio.h>

#include <string.h>

int next[32] = {-999};

/* 返回模式串T在母串S中第pos个字符的位置 */

/* 调试小技巧 print x = value 或 set var x = value 可以改变gdb运行时变量的值 */

int index_BM(char *S, char *T, int pos)

{

int i;

int j;

i = pos;

j = 0;

while ( (i < strlen(S)) && (j < strlen(T)) )

{

if (S[i] == T[j])

{

i++;

j++;

}

else

{

i = i - j + 1;

j = 0;

}

}

/* 注意strlen(T)意味着j的取值范围为0 ~ (strlen(T) - 1) */

if (strlen(T) == j)

{

return i - strlen(T);

}

else

{

return -1;

}

}

void get_next(char *T, int *next)

{

int k = -1;

int j = 0;

next[j] = k;

while (j < strlen(T))

{

if ( (k == -1) || (T[j] == T[k]) ) //注意等号是==，而不是=

{

++k; // 注意是先加后使用

++j;

next[j] = k;

}

else

{

k = next[k];

}

}

}

int index_KMP(char *S, char *T, int pos)

{

int i;

int j;

i = pos;

j = 0;

while ( (i < strlen(S)) && (j < strlen(T)) )

{

/* j = -1 表示next[0], 说明失配处在模式串T的第0个字符。所以这里特殊处理，然后令i+1和j+1。*/

if ( (j == -1) || S[i] == T[j])

{

i++;

j++;

}

else

{

j = next[j];

}

}

if (strlen(T) == j)

{

return i - strlen(T);

}

else

{

return -1;

}

}

void print_next(int next[], int n)

{

int i;

for (i = 0; i < n; i++)

{

printf("next[%d] = %d\n", i, next[i]);

}

}

int main(void)

{

char *s = "ababcabcacbab";

char *t = "abcac";

int pos = 0;

int index;

printf("================ BM ==============\n");

index = index_BM(s, t, pos);

printf("index = %d\n", index);

printf("================ KMP ==============\n");

get_next(t, next);

print_next(next, strlen(t));

index = index_KMP(s, t, pos);

printf("index = %d\n", index);

}