kmp算法的基本原理和实现方法(Java)

介绍:

1)、KMP是一个解决模式串在文本串是否出现过,如果出现过,最早出现的位置的经典算法
2)、Knuth-Morris-Pratt 字符串查找算法,简称为 “KMP算法”,常用于在一个文本串S内查找一个模式串P 的出现位置,这个算法由Donald Knuth、Vaughan Pratt、James H. Morris三人于1977年联合发表,故取这3人的姓氏命名此算法.
3)、KMP方法算法就利用之前判断过信息,通过一个next数组,保存模式串中前后最长公共子序列的长度,每次回溯时,通过next数组找到,前面匹配过的位置,省去了大量的计算时间。

暴力匹配算法:

如果用暴力匹配的思路,并假设现在str1匹配到 i 位置,子串str2匹配到 j 位置,则有:

  1. 如果当前字符匹配成功(即str1[i] == str2[j]),则i++,j++,继续匹配下一个字符 如果失配(即str1[i]! =
    str2[j]),令i = i - (j - 1),j = 0。相当于每次匹配失败时,i 回溯,j 被置为0。
  2. 用暴力方法解决的话就会有大量的回溯,每次只移动一位,若是不匹配,移动到下一位接着判断,浪费了大量的时间。(不可行!)

KMP算法流程:

1.首先,用Str1的第一个字符和Str2的第一个字符去比较,不符合,关键词向后移动一位
在这里插入图片描述
2. 重复第一步,还是不符合,再后移
![在这里插入图片描述](https://img-blog.csdnimg.cn/2019110113561686.png
3. 一直重复,直到Str1有一个字符与Str2的第一个字符符合为止
在这里插入图片描述
4. 接着比较字符串和搜索词的下一个字符,还是符合。
在这里插入图片描述
5.遇到Str1有一个字符与Str2对应的字符不符合。
在这里插入图片描述
6.这时候,想到的是继续遍历Str1的下一个字符,重复第1步。(其实是很不明智的,因为此时BCD已经比较过了,没有必要再做重复的工作,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。)
在这里插入图片描述
7.怎么做到把刚刚重复的步骤省略掉?可以对Str2计算出一张《部分匹配表》,这张表的产生在后面介绍
在这里插入图片描述

8.已知空格与D不匹配时,前面六个字符”ABCDAB”是匹配的。查表可知,最后一个匹配字符B对应的”部分匹配值”为2,因此按照下面的公式算出向后移动的位数:
移动位数 = 已匹配的字符数 - 对应的部分匹配值
因为 6 - 2 等于4,所以将搜索词向后移动 4 位。

9.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 = 2 - 0,结果为 2,于是将搜索词向后移 2 位。
在这里插入图片描述
10.因为空格与A不匹配,继续后移一位。
在这里插入图片描述
11.逐位比较,直到发现C与D不匹配。于是,移动位数 = 6 - 2,继续将搜索词向后移动 4 位。
在这里插入图片描述
12.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 = 7 - 0,再将搜索词向后移动 7 位,这里就不再重复了。

介绍《部分匹配表》怎么产生的

  • 先介绍前缀,后缀是什么 ?

“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,
-”A”的前缀和后缀都为空集,共有元素的长度为0;
-”AB”的前缀为[A],后缀为[B],共有元素的长度为0;
-”ABC”的前缀为[A, AB],后缀为[BC, C],共有元素的长度0;
-”ABCD”的前缀为[A, AB, ABC],后缀为[BCD, CD, D],共有元素的长度为0;
-”ABCDA”的前缀为[A, AB, ABC, ABCD],后缀为[BCDA, CDA, DA, A],共有元素为”A”,长度为1;
-”ABCDAB”的前缀为[A, AB, ABC, ABCD, ABCDA],后缀为[BCDAB, CDAB, DAB, AB, B],共有元素为”AB”,长度为2;
-”ABCDABD”的前缀为[A, AB, ABC, ABCD, ABCDA, ABCDAB],后缀为[BCDABD, CDABD, DABD, ABD, BD, D],共有元素的长度为0。

14.”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。 在这里插入图片描述

主要流程:

假设现在文本串str1匹配到 i 位置,模式串str2匹配到 j 位置

  • 如果当前字符匹配成功(即str1[i] == str2[j]),都令i++,j++,继续匹配下一个字符;

  • 如果当前字符匹配失败(即str1[i] != str2[j]),则令 i 不变,j =next[j-1]。此举意味着失配时,模式串str2相对于文本串str1向右移动了j - next [j] 位。(换言之,当匹配失败时,模式串向右移动的位数为:失配字符所在位置 - 失配字符对应的next 值,即移动的实际位数为:j - next[j],且此值大于等于1)
    很快,你也会意识到next 数组各值的含义:代表当前字符之前的字符串中,有多大长度的相同前缀后缀。例如如果next [j] = k,代表j 之前的字符串中有最大长度为k 的相同前缀后缀。

    应用案例:

  • 有一个字符串 str1= “BBC ABCDAB ABCDABCDABDE”,和一个子串 str2=“ABCDABD”

  • 现在要判断 str1 是否含有 str2, 如果存在,就返回第一次出现的位置, 如果没有,则返回-1

详细代码:

package KMP;

import java.util.Arrays;

public class KMPAlgorithm {
    
    

	public static void main(String[] args) {
    
    
		String str1= "BBC ABCDAB ABCDABCDABDE";
		String str2="ABCDABD";
		int[] next = kmpNext(str2);
		System.out.println(Arrays.toString(next));
		int index= kmpSearch(str1, str2, next);
		System.out.println("index = "+index);
	}
	public static int kmpSearch(String str1,String str2,int[] next) {
    
    
		for(int i = 0 ,j=0;i<str1.length();i++) {
    
    
			//如果str1.charAt(i)!=str2.charAt(j),则将j回溯到str1.charAt(i)==str2.charAt(j)的时候j的值
			while(j>0&&str1.charAt(i)!=str2.charAt(j)) {
    
    
				j=next[j-1];
			}
			if(str1.charAt(i)==str2.charAt(j))
			{
    
    
				j++;
			}
			if(j==str2.length()) {
    
    
				return i-j+1;
			}
		}
		return -1;
	}
	//创建一个字符串匹配值表
	/**
	 * 
	 * @Title: kmpNext
	 * @Description: 创建一个字符串匹配值表
	 * @param @param str 传入要计算字符串匹配值的字符串
	 * @param @return 参数 匹配数组
	 */
	public static int[] kmpNext(String str) {
    
    
		int[] next = new int[str.length()];
		next[0]=0;
		for(int i = 1 ,j=0;i<next.length;i++) {
    
    
			while(j>0&&str.charAt(i)!=str.charAt(j)) {
    
    
				j=next[j-1];
			}
			if(str.charAt(i)==str.charAt(j)) {
    
    
				j++;
			}
			next[i]=j;
		}
		return next;
	}
}

(参考资料:https://www.cnblogs.com/ZuoAndFutureGirl/p/9028287.html)

简而言之就是kmp算法通过最长公共子序列重新定位了str2移动的规律,每次发现str1.charAt(i)!=str2.charAt(j),就将str2右移,j=next[j-1],移动到str1.charAt(i)==str2.charAt(j),此时的str2的j指向的字符等于str1的i指向的字符,然后重新开始匹配。(next数组实际上就是对应的字符串的部分匹配值:移动位数 = 已匹配的字符数 - 对应的部分匹配值)主要记住j=next[j-1]

猜你喜欢

转载自blog.csdn.net/qq_41291067/article/details/102856070
今日推荐