C语言 数据结构与算法 KMP

1、KMP简介：

KMP算法是一种改进的字符串匹配算法，由D.E.Knuth，J.H.Morris和V.R.Pratt提出的，因此人们称它为克努特—莫里斯—普拉特操作（简称KMP算法）。字符串的模式匹配实质上就是寻找模式串P是否在主串T 中，且其出现的位置。我们对字符串匹配的效率的要求越来越高， 应不断地改良模式匹配算法，减少其时间复杂度。可以应用于网络信息查找、文本中字符串的索引等。

2、KMP算法介绍：

(以下为个人理解，不保证所有人都理解我的学习想法，如果看不懂next优化及创建过程的文章末尾有详解链接)

已知两个字符串S，T；S为匹配串，T为模式串，要在S中找到是否有T，步骤如下：

假设现在S串匹配到 i 的位置，T串匹配到 j 的位置；                                                                                                                                  如果当前字符匹配成功(S[i]=T[j])；则继续匹配下一个字符 ；（i++，j++）                                                                                            如果当前字符匹配失败(S[i]!=T[j])；将模式串T的 j 标记移动到j-next[j]位继续匹配，i 标记位置不用改变；

（比较于暴力匹配引出next数组）对于KMP算法的核心就是制造next数组；可以使得暴力匹配提高效率：举一个例子：

如果S串为"aaaaaaab"，T串为"aaaab"，我们以暴力匹配的做法，在i=4，j=4时S[4]='a',T[4]='b',此时S[5]!=J[5]；我们就需要将i，j标记向后移动一位再次去匹配，但事实上，由于T串的特殊性即T[0-3]='a'，在第一次匹配中，S和T中前四个字符都相等了（‘a’），其实没必要再去反复的比较S[1~3]与T[0~3]的字符了。因此，我们就需要一个next数组来标记当S与T不匹配时，应该把T中的哪一个元素继续与i比较。

3、next[ ]:

对于每一个模式串我们会事先计算出模式串的内部匹配信息，在匹配失败时最大的移动模式串，以减少匹配次数。在已经匹配的模式串子串中，找出最长的相同的前缀和后缀，然后移动使它们重叠,我们举一个一般性的例子，假设T='abaabcaba';

在T中我们要找到当前字符T[j]的最大相等的前缀与后缀，长度为（k）；

例如：T[8] = 'a';它的前缀是T[0-2]='aba'，后缀是T[6-8]='aba'，结果为3；

但是对于最长的相同的前缀和后缀，我们要清楚在S与T不匹配时，标记J具体要移动多少，所以通过上面找最长的相同的前缀和后缀的方式，我们创建next数组。

next数组的创建：

#define imax 105
int next[imax];
void getnext(char *p)
{
	int lenp=strlen(p);
	next[0]=-1;
	int k=-1;
	int j=0;
	while(j<lenp-1)
	{
		if(k==-1||p[j]==p[k])	//找到前缀最长匹配度
		{
			j++;
			k++; 
			if(p[j]!=p[k])	//如果当前元素在前缀中不存在时，
			{
				next[j]=k;
			}	
			else 
		    	next[j]=next[k];	//KMP优化
		}
		else
		{
			k=next[k];
		}
	}
	return;
}

4、匹配过程：

还是以上面为例，如果S串为"aaaaaaab"，T串为"aaaab"，那么我们知道next[ ]数组应该为{-1，0，1，2，3}；在i<strlen(S),j<strlen(T)的情况下，我们比较S与T，当i=4，j=4时;S[4]!=T[4];我们按照算法i不变，j=next[j] = 3，比较：S[4]=T[3]='a',S[5]!=T[4],j=next[j]=3；    S[5]=T[3]='a',S[6]!=T[4],j=next[j]=3；        S[6]=T[3]='a',S[7]=T[4]='b'；  j=strlen(T);完成。也就是说在i从5-7时，一直在比较S中是否有‘ab’。匹配成功时，我们要求返回位置。

KMP匹配：

int KMP(char *s,char *p)
{
	int i=0;
	int j=0;
	int lens=strlen(s);
	int lenp=strlen(p);
	while(i<lens&&j<lenp)
	{
		//如果j=-1(表示第一次开始或者重新开始匹配)，即失配于首字符
		if(j==-1||s[i]==p[j])
		{
			j++;
			i++;
		}
		else
		{
			//如果j!+-1,或者当前匹配失败 ，则 
			j=next[j]; // i不变，j=next[j] 
		}
	}
	if(j==lenp)
		return i-j;//匹配成功 返回位置
	else
		return -1; 
}

5、测试：

#include<stdio.h>
#include<string.h>
#include<stdlib.h>
int main()
{
	int t,i;
	char a[10005],b[10005];
	scanf("%d",&t);
	while(t--)
	{
		scanf("%s",a);
		scanf("%s",b);
		if(strlen(a)>=strlen(b))
		{
			getnext(b);
			if(KMP(a,b)>-1)
				printf("yes:%d\n",KMP(a,b));
			else
				printf("no:%d\n",KMP(a,b));
		}
		else
		{
			getnext(a);
			//getnext(b);
			if(KMP(a,b)>-1)
				printf("yes:%d\n",KMP(a,b));
			else
				printf("no:%d\n",KMP(a,b));
		}
		for(i=0;i<strlen(b);i++)
		{
			printf("%d ",next[i]);
		}
	}
	return 0;
}

附上一篇精致的解析KMP博客：

https://blog.csdn.net/v_july_v/article/details/7041827#t9