字符串匹配：KMP算法

本文转载整理自字符串匹配的KMP算法，看完这篇文章，简单易懂，醍醐灌顶，忍不住转载收藏一下（仅供学习交流）。

前言

字符串匹配是计算机的基本任务之一。

举个栗子，有一个字符串“BBC ABCDAB ABCDABCDABDE”，里面是否包含另一个字符串“ABCDABD”？

许多算法可以完成这个任务，Knuth-Morris-Pratt算法（简称KMP）是最常用的之一。它以三个发明者命名，起头的那个K就是著名科学家Donald Knuth。

这种算法不太容易理解，网上有很多解释，但读起来都很费劲。直到读到Jake Boxer的文章。

KMP算法

1. 首先，字符串“BBC ABCDAB ABCDABCDABDE”的第一个字符与搜索词“ABCDABD”的第一个字符，进行比较。因为B与A不匹配，所以搜索词后移一位。
   
2. 因为B与A不匹配，搜索词再往后移。
   
3. 就这样，直到字符串有一个字符，与搜索词的第一个字符相同为止。
   
4. 接着比较字符串和搜索词的下一个字符，还是相同。
   
5. 直到字符串有一个字符，与搜索词对应的字符不相同为止。
   
6. 这时，最自然的反应是，将搜索词整个后移一位，再从头逐个比较。这样做虽然可行，但是效率很差，因为你要把”搜索位置”移到已经比较过的位置，重比一遍。
   
7. 一个基本事实是，当空格与D不匹配时，你其实知道前面六个字符是“ABCDAB”。KMP算法的想法是，设法利用这个已知信息，不要把“搜索位置”移回已经比较过的位置，继续把它向后移，这样就提高了效率。
   
8. 怎么做到这一点呢？可以针对搜索词，算出一张《部分匹配表》（Partial Match Table）。这张表是如何产生的，后面再介绍，这里只要会用就可以了。
   
9. 在第7点中的图可以看到，已知空格与D不匹配时，前面六个字符“ABCDAB”是匹配的。查部分匹配表可知，最后一个匹配字符B对应的“部分匹配值”为2，因此按照公式【移动位数 = 已匹配的字符数 - 对应的部分匹配值】算出向后移动的位数，因为6-2=4，所以将搜索词向后移动4位。
10. 因为空格与C不匹配，搜索词还要继续往后移。这时，已匹配的字符数为2（“AB”），对应的”部分匹配值”为0。所以，移动位数为2-0=2，于是将搜索词向后移2位。
    
11. 因为空格与A不匹配，继续后移一位。
    
12. 逐位比较，直到发现C与D不匹配。于是，移动位数为6-2=4，继续将搜索词向后移动4位。
    
13. 逐位比较，直到搜索词的最后一位，发现完全匹配，于是搜索完成。如果还要继续搜索（即找出全部匹配），移动位数为7-0=7，再将搜索词向后移动7位，这里就不再重复了。
    

14. 那么问题来了：《部分匹配表》是如何产生的呢？首先，要了解两个概念：前缀指除了最后一个字符以外，一个字符串的全部头部组合；后缀指除了第一个字符以外，一个字符串的全部尾部组合。
    

15. “部分匹配值”就是“前缀”和“后缀”的最长的共有元素的长度。以“ABCDABD”为例：
    
    所以得到以下的部分匹配表：
    

16. “部分匹配”的实质是，有时候，字符串头部和尾部会有重复。比如，“ABCDAB”之中有两个“AB”，那么它的“部分匹配值”就是2（“AB”的长度）。搜索词移动的时候，第一个“AB”向后移动4位（字符串长度-部分匹配值），就可以来到第二个“AB”的位置。