算法数据结构 只要行代码，实现快速匹配字符串的KMP算法.docxVIP

算法数据结构 | 只需30行代码，实现快速婚配字符串的KMP算法 在计算机领域当中字符串婚配其实是一个非经常见的问题，我们使用它的场景也多到不行计数。比如在一个已经打开的页面当中搜索关键词，再比如说git里面的代码变动的记录，以及论文的查重等等。在这些问题当中有些情况可能还好，比如说我们搜索一个关键词，由于关键词并不长，我们暴力枚举也不会特殊耗时。但是在有些问题当中明显暴力婚配是无法胜任的，比如论文查重。一篇论文动辄上千词，要和库中的上万篇文章进行查重扫描，这当中的工作量可想而知。假如是暴力枚举算法那查重明显会查到天荒地老。 所以晚期的时候字符串婚配是一个难题，既然是难题那么明显就会有很多人来争辩，也因而出了很多成果，很多大牛发表了字符串婚配的算法，其中KMP算法由于效率很高、实现简单度低被应用得最广。到这里，我们就晓得KMP算法是用来字符串婚配的。 比方说我们有两个字符串，A串是：I hate learning English. B串是hate learning，很明显B串是A串的字符串。假如我们暴力枚举来推断的话，我们需要遍历A串当中的每一个起始位置能否能够完成婚配，那么简单度明显是。通过KMP算法，我们可以在的时间内做到这点。 有名的大佬matrix67在KMP算法的引见博客当中有一句有名的骚话，当你有一个宠爱的MM，你可以委婉地问她：“假如你要向你宠爱的人表白的话，我的名字是你的告白语中的子串吗？” Next数组 KMP算法的核心精髓只要一个就是Next数组，但是这个概念并不太简约理解，很多人学KMP放弃就是折戟在了Next这个数组上。 我们先把Next数组是怎样来的放在一边，先来看下Next数组是用来干嘛的，它起作用的原理是什么，最终再来争辩Next数组怎样来的问题。依据我的理解，Next数组其实就是一个中途开头的机会，也就是当我们在枚举婚配的时候，发觉了不婚配的情况，我们不是从头开头，而是从一个最大可能的两头结果开头。 我们来看个例子： 上图中上面的是A串，下面的是B串，我们在婚配的过程当中发觉B串的前面几位都婚配上了，而在最终一位婚配失败。依据常规的做法，我们应当是移动到下一个位置从头开头婚配。但是这是格外铺张的，由于我们观看下可以发觉失败位置的ABC和B串开头的ABC是可以构成婚配的。 我们之前失败的时候推断的是以C结尾的ABCDABC和B串的婚配，在这一次婚配失败之后，我们可以连续尝试婚配其他以C结尾的前缀串，比如ABC。这样我们就可以从两头形态开头，而节省了很多次不必要的枚举。但问题就来了，这个两头结果是怎样来的呢，我们怎样晓得当下失败了上一个可行的两头结果是哪一个？ 对，没有错，前面说到的Next数组就是用来存储两头结果的。所以Next可以理解成下一次机会的意思，这样就好理解了。由于我们是在A串当中查找B串，所以这个Next数组应当是针对B的，记录B中每一个位置假如婚配失败，它的前面一个可行的两头形态是哪一个。 我们先写出来B的Next数组，等会再去争辩它是怎样得到的。为了简化编码，我们假设字符串是从1位置开头的，所以我们在0的位置添加一个$符号作为占位符。对于大部分情况都是没有重来的机会的，失败了直接归零。而其中的A和B两个位置是有重来机会的，由于B的前缀当中消灭了A和AB。所以假如在婚配ABD的时候失败了，我们还可以从AB处再次开头尝试婚配ABC。 算法原理 我们想象一根指针指向了B数组当中接下来要婚配的位置，假如婚配失败了，它就会跳转到Next数组当中记录的位置去，婚配成功了我们就向后移动一位。在有了Next数组之后，我们写出代码来真的很简约了： def?kmp(var_str,?template_str):????#?var_str即A串????#?template_str模式串即B串????#?我们在两个字符串前加上了占位符????var_str?=?$?+?var_str????template_str?=?$?+?template_str????next?=?generate_next(template_str)????n,?m?=?len(var_str),?len(template_str)????#?head指向要婚配的位置的前一位????head?=?0????for?i?in?range(1,?n):????????#?由于next数组很长，可能失败多次????????#?直到head+1的位置能婚配上或者head等于0????????while?head??0?and?template_str[head+1]?!=?var_str[i]:????????????head?=?next[head]????????????????#?婚配上了则head