KMP算法(原创).pptVIP

第四章 字符串模式匹配算法 什么是模式匹配？ 在一般的编辑软件中，经常要遇到在一个给定的文本中查找一个特定的字符串的问题，这就是字符串匹配，也称模式匹配。 设P是一个模式字符串(简称模式)，其长度为m；s是一个正文字符串(简称正文)，其长度为n。通常认为nm 简单算法(Brute-Force算法) 算法描述： 从正文s和模式p的第一个字符出发，将s和p的字符依次逐个进行比较，如果p中的所有字符均与s中的对应字符匹配，则说明匹配成功；如果在比较过程中发现了一个字符不匹配，则将模式p沿正文s向后移动一个字符的位置，然后再从p的第一个字符开始与中的对应字符逐个进行比较。以此类推，直到匹配成功或到达的末段为止。 模式匹配的KMP算法 基本思想： 当模式p与正文s进行比较的过程中发现不匹配时，找到一种模式p沿正文s向后移动的规则，以便使得正文s中失去匹配的字符以前的字符不再参与比较，即只从当前失去匹配的字符开始与模式p中的字符继续依次进行比较，并且又不错过模式被发现的机会。 示例： 算法分析 假设正文为‘s0s1……sn-1’，模式为‘p0p1……pm-1’，要实现改进算法，也就是要解决下述问题：当匹配过程中产生失配时(即si != pj)，模式“向右滑动”可行的距离有多远，换句话说，当正文中第i个字符与模式中第j个字符“失配”时，正文中第i个字符应与模式中哪个字符相比较？ 假设此时应与模式中第k个字符继续比较，其中k应具有以下两个性质： 1、kj，因为当失配时必然使模式p向后移，从而导致kj。移的幅度越小，k与j相差越小。 2、k应取所有可能值中的最大值，因为取最大值就意味着移的幅度最小，也就避免错过成功匹配的机会。 根据这个假设，必然使得下式成立： ‘p0p1……pk-1’=‘si-ksi-k+1……si-1’ (1) 而已经得到的“部分匹配”的结果是： ‘pj-kpj-k+1……pj-1’=‘si-ksi-k+1……si-1’ (2) (2)式的由来是： 当初正文中的第i个字符与模式中的第j个字符失配时，说明两者之前的j个字符肯定是一样的，而kj，所以前k个字符也是相同的。这就得出(2)式。 由(1)(2)两式便可得： ‘p0p1……pk-1’= ‘pj-kpj-k+1……pj-1’ (3) (3)式的结论可如下描述： 在模式p中，前k个字符与第j个字符之前的k个字符相同。 设next[j]表示：当模式中第j个字符与正文中相应字符“失配”时，在模式中重新和正文中该字符进行比较的字符的位置。 并令next[j]=k。 Next数组的完整定义如下： Next[0]=-1表示当模式p的第0个字符失去匹配时应将p沿正文方向右移一个位置，也即使p的第一个字符与正文s的下一个字符进行比较。 利用next数组进行模式匹配示例： 如何预先求得next数组值 首先要明确一点： next数组的求值只与模式p有关，而与具体的正文s无关。 我们可用递推的方法求next数组值。 假设已求得next[j]=k，根据定义可得 ‘p0p2……pk-1’= ‘pj-kpj-k+1……pj-1’ 那么next[j+1]=？ 有两种可能情况 1、若pk=pj，则表明‘p0p1……pk’ = ‘pj-kpj-k+1……pj’，并且不可能存在k’k满足上式，那么 next[j+1]=k+1 式1 也就是：next[j+1]=next[j]+1 2、若pk!=pj，则表明‘p0p1……pk’ ! = ‘pj-kpj-k+1……pj’ 这时如何求next[j+1]呢？ 转化法 式1的结论可这样描述：何时的k使得pk=pj，就用此时的k代入式1。 而现在的k是pk!=pj，因此必须要换成另外一个“k”，并设它为k2，以使得pk2=pj。 问题又出来了： k2如何得来？ 如图： k2，到底是多少首先取决于另一个前提条件： ‘p0p1……pk2-1’= ‘pj-k2pj-k2+1……pj-1’ 如图： 那么，满足了这个前提条件，是否就满足pk2=pj了呢？ 显然两者互不相干。也就是说，仅移动一次不一定满足pk2=pj 。 如果移动一次后得到k2仍然不满足pk2=pj ，就要按照前提条件再移动一次。 依次类推，直到pkn=pj ,或kn=0为止。 此时有： next[j+1]= kn +1 而 kn = next[kn-1] k1 =k= next[j] 由于， kn kn-1 …… k1 =kj