KMP算法及优化
2017-03-30 16:08
134 查看
今天看到同学在复习数据结构书上的KMP算法,忽然发觉自己又把KMP算法忘掉了,以前就已经忘过一次,看样子还是没有真正的掌握它,这回学聪明点,再次搞明白后记录下来。
如果不相等则从主串的下一个字符开始匹配,直到
这种实现方式是最简单的, 但也是
第三次匹配在
分析模式串的前3个字符:模式串的
继续分析模式串的
1):下一次匹配中主串已经跳过了和
2):
因此下一次匹配认为
同理可得第二次匹配也是没必要的。
利用KMP算法匹配的过程如下图:
KMP算法的改进之处在于:
由上面的分析可以发现,KMP算法的核心在于对模式串本身的分析,其分析结果能提供在
在得到子串前缀和后缀的最长公共匹配字符数
有了这个
现在知道了
求
求
根据
测试代码如下:
执行结果:
再回过头去看模式串2的
如果模式串和主串的匹配在
同样的,模式串和主串的匹配在
考虑如果模式串是: aaaac,根据一般的KMP算法求出的
显而易见,在第二次匹配失败后,第三、四、五次匹配都是没有意义的,
优化后的求
希望本文能对你有帮助, 如果有什么问题, 欢迎探讨。
严蔚敏的《数据结构》4.3章
一般字符串匹配过程
KMP算法是字符串匹配算法的一种改进版,一般的字符串匹配算法是:从
主串(目标字符串)和
模式串(待匹配字符串)的第一个字符开始比较,如果相等则继续匹配下一个字符,
如果不相等则从主串的下一个字符开始匹配,直到
模式串被匹配完,则匹配成功,或
主串被匹配完且模式串未匹配完,则匹配失败。匹配过程入下图:
这种实现方式是最简单的, 但也是
低效的,因为第三次匹配结束后的
第四次和第五次是没有必要的。
分析
第三次匹配在j = 0(a)和
i = 2(a)处开始,在
j = 4(c)和
i = 6(b)处失败,这意味着模式串和主串中:
j = 0(a)和
i = 2(a)、
j = 1(b)和
i = 3(b)、
j = 2(c)和
i = 4(c)、
j = 3(a)和
i = 5(a)这四个字符相互匹配。
分析模式串的前3个字符:模式串的
第一个字符j = 0是a,
j = 1(b)、
j = 2(c)这两个字符和
j = 0(a)不同,因此以这两个字符开头的匹配必定失败,在第三次匹配中,主串中
i = 3(b)、
i = 4(c)和模式串
j = 1(b)、
j = 2(c)相互匹配,因此匹配失败后,可以直接跳过主串中
i = 3(b)、
i = 4(c)这两个字符的匹配。
继续分析模式串的
j = 3(a)和
j = 4(c)这两个字符,如果模式串匹配到
j = 4(c)这个字符才失败的话,因为
j = 4(c)的前一个字符
j = 3(a)和第一个字符
j = 0(a)是相同的,结合上一个分析得知:
1):下一次匹配中主串已经跳过了和
j = 3(a)前两个相互匹配的字符
i = 3(b)、
i = 4(c),将从
i = 5(a)开始匹配。
2):
j = 3(a)和
i = 5(a)相互匹配。
因此下一次匹配认为
j = 3(a)和
i = 5(a)已经匹配过了,匹配从
j = 4(b)和
i = 6(b)开始,这样的话也跳过了
j = 3(a)这个字符的匹配。
同理可得第二次匹配也是没必要的。
KMP算法
KMP算法匹配过程
利用KMP算法匹配的过程如下图:KMP算法的改进之处在于:
能够知道在匹配失败后,有多少字符是不需要进行匹配可以直接跳过的,匹配失败后,下一次匹配从什么地方开始能够有效的减少不必要的匹配过程。
next求解方法
由上面的分析可以发现,KMP算法的核心在于对模式串本身的分析,其分析结果能提供在j = n位置匹配失败时,从
j = 0到
j = n - 1这个子串中前缀和后缀的最长公共匹配的字符数,这样说可能比较难以理解,看下图:
在得到子串前缀和后缀的最长公共匹配字符数
l后,以后在
i = x,
j = n处匹配失败时,可以直接从
i = x,
j = l处继续匹配(证明过程参考:
严蔚敏的《数据结构》4.3章),这样问题就很明显了,我们要
求出n和l对应的值,其中
n是模式串字符数组的下标,
l的有序集合通常称之为
next数组,前面两个模式串的
next数组和
下标n的对应如下:
模式串2完整匹配过程
有了这个next数组,那么在匹配的过程中我们就能在
j = n处匹配失败后,根据
next的值进行偏移,其中
next[0]固定为-1,代表在当前
i这个位置整个模式串和主串都无法匹配成功,要从下一个位置
i = i + 1及
j = 0处开始匹配,模式串2的匹配过程如下:
现在知道了
next数组的作用,也知道在有
next数组时的匹配过程,那么剩下的问题就是如何通过代码求出
next数组及
匹配过程了。
求
next数组的过程可以认为是将模式串拆分成n个子串,分别对每个子串求前缀和后缀的最长公共匹配字符数
l,这一点可以通过上图(最长公共匹配字符数)看出来(没有画出
l=0时的图解)看出来。
代码实现
求next数组的代码如下:
void get_next(string pattern, int next[]) { // !!!!!!!!!!由网友(评论第一条)指出该算法存在问题,已将有问题的代码注释并附上临时想到的算法代码。 // int i = 0; // i用来记录当前计算的next数组元素的下标, 同时也作为模式串本身被匹配到的位置的下标 // int j = 0; // j == -1 代表从在i的位置模式串无法匹配成功,从下一个位置开始匹配 // next[0] = -1; // next[0]固定为-1 // int p_len = pattern.length(); // while (++i < p_len) { // if (pattern[i] == pattern[j]) { // // j是用来记录当前模式串匹配到的位置的下标, 这就意味着当j = l时, // // 则在pattern[j]这个字符前面已经有l - 1个成功匹配, // // 即子串前缀和后缀的最长公共匹配字符数有l - 1个。 // next[i] = j++; // } else { // next[i] = j; // j = 0; // if (pattern[i] == pattern[j]) { // j++; // } // } // } int j = 0; next[0] = -1; int p_len = pattern.length(); int matched = 0; while (++j <= p_len) { int right = j - 1; int mid = floor(right / 2); int left = right % 2 == 0 ? mid - 1 : mid; int curLeft = left; int curRight = right; while (curLeft >= 0) { if (pattern[curLeft] == pattern[curRight]) { matched++; curLeft--; curRight--; } else { matched = 0; curLeft = --left; curRight = right; } } next[j] = matched; matched = 0; } }
根据
next数组求模式串在主串中的位置代码如下:
int search(string source, string pattern, int next[]) { int i = 0; int j = 0; int p_len = pattern.length(); int s_len = source.length(); while (j < p_len && i < s_len) { if (j == -1 || source[i] == pattern[j]) { i++; j++; } else { j = next[j]; } } if (j < pattern.length()) return -1; else return i - pattern.length(); }
测试代码如下:
int main() { string source = "ABCDABCEAAAABASABCDABCADABCDABCEAABCDABCEAAABASABCDABCAABLAKABCDABABCDABCEAAADSFDABCADABCDABCEAAABCDABCEAAABASABCDABCADABCDABCEAAABLAKABLAKK"; // string pattern = "abcaaabcab"; string pattern = "ABCDABCEAAABASABCDABCADABCDABCEAAABLAK"; int next[pattern.length()] = { NULL }; get_next(pattern, next); cout << "next数组: \t"; for (int i = 0; i < pattern.length(); i++) cout << next[i] << " "; cout << endl; int pos = search(source, pattern, next); if (-1 != pos) { cout << "匹配成功,模式串在主串中首次出现的位置是: 第" << pos + 1 << "位"; getchar(); return 0; } else { cout << "匹配失败"; } getchar(); return 0; }
执行结果:
next数组: -1 0 0 0 0 1 2 3 0 1 1 1 2 1 0 1 2 3 4 5 6 7 1 0 1 2 3 4 5 6 7 8 9 10 11 12 0 1 匹配成功,模式串在主串中首次出现的位置是: 第97位
KMP算法优化
再回过头去看模式串2的next数组的图:
如果模式串和主串的匹配在
j = 6(b)处失败的话,根据
j = next[6] = 1得知下一次匹配从
j = 1处开始,
j = 1处的字符和j = 6处的字符同为c,因此这次匹配必定会失败。
同样的,模式串和主串的匹配在
j = 7(c)处或在
j = 9(b)处失败的话,根据
next数组偏移后下一次匹配也必定会失败。
考虑如果模式串是: aaaac,根据一般的KMP算法求出的
next数组及匹配过程如下:
显而易见,在第二次匹配失败后,第三、四、五次匹配都是没有意义的,
j = next[3]、j = next[2]、j = next[1]、j = next[0]这四处的字符都是a,在
j = 3(a)处匹配失败时,根据模式串本身就应该可以得出结论:
可以跳过j = 2(a)、j = 1(a)、j = 0(a)的匹配,直接从
i = i + 1、
j = 0处开始匹配,所以优化过后的
next数组应该是:
代码实现
优化后的求next数组的代码如下:
void get_next(string pattern, int next[]) { // !!!!!!!!!!由网友(评论第一条)指出该算法存在问题,更新后的代码在上方,新算法的优化代码暂未实现,但是优化思路是正确的。 // int i = 0; // i用来记录当前计算的next数组元素的下标, 同时也作为模式串本身被匹配到的位置的下标 // int j = 0; // j == -1 代表从在i的位置模式串无法匹配成功,从下一个位置开始匹配 // next[0] = -1; // next[0]固定为-1 // int p_len = pattern.length(); // while (++i < p_len) { // if (pattern[i] == pattern[j]) { // // j是用来记录当前模式串匹配到的位置的下标, 这就意味着当j = l时, // // 则在pattern[j]这个字符前面已经有l - 1个成功匹配, // // 即子串前缀和后缀的最长公共匹配字符数有l - 1个。 // next[i] = j++; // // // 当根据next[i]偏移后的字符与偏移前的字符向同时 // // 那么这次的偏移是没有意义的,因为匹配必定会失败 // // 所以可以一直往前偏移,直到 // // 1): 偏移前的字符和偏移后的字符不相同。 // // 2): next[i] == -1 // while (next[i] != -1 && pattern[i] == pattern[next[i]]) { // next[i] = next[next[i]]; // } // } else { // next[i] = j; // j = 0; // if (pattern[i] == pattern[j]) { // j++; // } // } // } }
结尾
希望本文能对你有帮助, 如果有什么问题, 欢迎探讨。
参考文献
严蔚敏的《数据结构》4.3章
相关文章推荐
- 计算子串在主串中的位置及其优化(KMP算法)
- KMP算法及优化
- KMP算法之最终实现及优化 - 数据结构和算法39
- KMP算法的正确性证明及一个小优化
- KMP算法(未优化版本,算法导论原版)
- 根据算法思路自己实现了kmp算法(未优化)
- KMP算法的Java实现(优化和非优化求next数组)
- KMP算法(待优化)--2015年7月25日14:04:25V1.0版
- KMP算法及其优化
- KMP算法之最终实现及 NEXT数组的优化
- KMP算法总结(纯算法,为优化,没有学应用)
- KMP算法的一些误区及其优化
- 经典算法之KMP算法及其优化
- 基于网上流传的错误KMP算法优化代码的纠正
- KMP算法代码实现和优化(不太能理解具体的过程和该算法思想)
- KMP算法之我见(加深与优化)
- KMP算法——C++优化实现
- KMP算法next数组计算方法的优化
- kmp算法的优化
- KMP算法的优化