1、字符串匹配的KMP算法字符串匹配的KMP算法作者: 阮一峰日期: 2013年5月 1日字符串匹配是计算机的基本任务之一。举例来说,有一个字符串BBC ABCDAB ABCDABCDABDE,我想知道,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,我才真正理解这种算法。下面,我用自己的语言,试图写一篇比较好懂的KMP算法解释。1.首先,字符串BB
2、C 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
3、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.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。10. 因为空格与不匹配,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
4、数 = 2 - 0,结果为 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 = 6 - 2,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 = 7 - 0,再将搜索词向后移动7位,这里就不再重复了。14.下面介绍部分匹配表是如何产生的。首先,要了解两个概念:前缀和后缀。 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A
5、BCDABD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。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。(完)
copyright@ 2008-2023 冰点文库 网站版权所有
经营许可证编号:鄂ICP备19020893号-2