我们要找到一个短字符串(模式串)在另一个长字符串(原始串)中的起始位置,也就是模式匹配,最关键的是找到next数组。最简单的算法就是用双层循环来解决,但是这种算法效率低,kmp算法是针对模式串自身的特点,当失配时,能够利用next数组得到的信息直接跳过不可能匹配成功的位置字符。例如模式字符串“ababaaaba”,假设当匹配到第6个字符“a”发生错误,传统方法是原始字符串往后移动一个,但是原始串显然第2个字符是b(因为之前匹配过了),不可能是模式串的起始字符,而next会发现从原始串的第1个字符开始的“aba”和第3个字符开始的“aba”是一样的,所以直接将模式串的第1个字符和原始串的往后移动2个的字符比较,而此时直接用模式串第4个字符与之前原始串中失配的字符比也就是说模式串中第6个位置和第4个位置的字符位置等价,你失配了我来,因为他们前面有相同的串,而且其中一个是从模式串的起始位置开始的,这也就是next数组的定义。
说的这么详细是因为考研期间这个部分非常难,我本人也是用了几天才参透这里面的原理,毕竟是非常著名的算法,不是背上来代码那么简单。
字符串一般是从编号1开始,第0个位置存放长度,简单起见下面的代码简化表示。
#define _CRT_SECURE_NO_DEPRECATE//vs编译器编译c语言需要加此条语句 #include <stdio.h> #include <stdlib.h> #include <string.h> void get_next(int *next, char *Array,int len) /*求NEXT[]的值*/ { int i = 1, j = 0; //如果字符串不是从编号1开始,则初始化i=0,j=-1,i<len-1 next[1] = 0;//初始化第一个字符的next值为0 while (i < len)//整个过程中i变量一遍走过,而j变量可能会回溯,i一直在j后面 { if (j == 0 || Array[i] ==Array[j])//起始或者字符有重复,那么下一个位置i++和j++的位置等价, { i++; j++; if (Array[i] == Array[j]) next[i] = next[j]; //优化找到最开始的等价位,等价位的等价位 else next[i] = j; } else j = next[j]; //回溯,正是利用了next数组本身的回溯的功能 } } int main() { char A[] = "0ababaaaba";//为了使得字符数据从编号1开始 int next[sizeof(A)-1] = { 0 };//初始化 int len = sizeof(A)-1; get_next(next, A,len); for (int i = 1; i < len;i++) printf("%d ",next[i]); system("pause");//vs运行需要加此条代码 return 0; }
运行结果:若为未改进的算法,模式串“ababaaaba”的next运行结果为
0 1 1 2 3 4 2 2 3,
改进算法运行结果为0 1 0 1 0 4 2 1 0。
考试题也有可能不考代码,我的经验是先根据算法写出为改进的,然后从头开始对应的字符一样就改为前面那个字符的next值,以此类推。