KMP算法与前缀函数
说明
本文参考了 OI Wiki。
首先来明确几个概念:
- 后缀:后缀是从父串某个位置i开始到末尾结束的一个特殊字符串。
- 真后缀:不为父串本身的后缀字符串。
- 前缀:从父串开头到某个位置i结束的一个特殊字符串。
- 真前缀:不为父串的前缀字符串。
前缀函数
给定一个长度为 n n n的字符串 s s s,其前缀函数被定义一个长度为 n n n的数组 π \pi π,其定义为:
- 如果子串 s [ 0... i ] s[0...i] s[0...i]有一对相等的真前缀与真后缀: s [ 0... k − 1 ] s[0...k-1] s[0...k−1]和 s [ i − ( k − 1 ) . . . i ] s[i-(k-1)...i] s[i−(k−1)...i],那么 π [ i ] \pi [i] π[i]就是这个相等的真前缀(或者真后缀,因为它们相等)的长度,也就是 π [ i ] = k \pi [i] = k π[i]=k
- 如果不止有一对相等的,那么 π [ i ] \pi [i] π[i]就是其中最长的那一对的长度;
- 如果没有相等的,那么 π [ i ] = 0 \pi [i] = 0 π[i]=0。
简单来讲 π [ i ] \pi [i] π[i]就是字串 s [ 0... i ] s[0...i] s[0...i]最长相等的真前缀和真后缀的长度,且特别规定 π [ 0 ] = 0 \pi [0] = 0 π[0]=0。
我们由此定义给出代码:
//前缀函数
vector<int> prefix; //前缀函数对应的数组,当然你可以将它写在prefix_func里面并最后返回
void prefix_func(const string& s) {int n = (int)s.length();prefix.resize(n);for (int i = 1; i < n; i++) {int j = prefix[i - 1];while (j > 0 && s[i] != s[j]) j = prefix[j - 1];if (s[i] == s[j]) j++;prefix[i] = j;}}
KMP算法
复杂度
- 时间复杂度为 O ( n + m ) O(n+m) O(n+m)
- 空间复杂度为 O ( n ) O(n) O(n)
原理
Knuth–Morris–Pratt 算法原理如下:
给定一个文本 t t t和一个字符串 s s s,我们尝试找到 s s s 在 t t t中的所有出现(用第一个字符的下标表示)。
为了简便起见,我们用 n n n表示字符串 s s s的长度,用 m m m表示文本 t t t的长度。
我们构造一个字符串 s + # + t s + \# + t s+#+t,其中 # \# #为一个既不出现在 s s s中也不出现在 t t t中的分隔符。接下来计算该字符串的前缀函数。现在考虑该前缀函数除去最开始个 n + 1 n+1 n+1值(即属于字符串 s s s和分隔符的函数值)后其余函数值的意义。根据定义, π [ i ] \pi [i] π[i]为右端点在 i i i且同时为一个前缀的最长真子串的长度,具体到我们的这种情况下,其值为与 s s s的前缀相同且右端点位于 i i i的最长子串的长度。由于分隔符的存在,该长度不可能超过 n n n。而如果等式 π [ i ] = n \pi [i] = n π[i]=n成立,则意味着 s s s完整出现在该位置(即其右端点位于位置 i i i)。注意该位置的下标是对字符串 s + # + t s + \# + t s+#+t而言的。
因此如果在某一位置 i i i有 π [ i ] = n \pi [i] = n π[i]=n成立,则字符串 t t t在字符串 i − ( n − 1 ) − ( n + 1 ) i - (n-1) - (n+1) i−(n−1)−(n+1)的 i − 2 n i - 2n i−2n处出现。
正如在前缀函数的计算中已经提到的那样,如果我们知道前缀函数的值永远不超过一特定值,那么我们不需要存储整个字符串以及整个前缀函数,而只需要二者开头的一部分。在我们这种情况下这意味着只需要存储字符串 s + # s + \# s+#以及相应的前缀函数值即可。我们可以一次读入字符串 t t t的一个字符并计算当前位置的前缀函数值。
// kmp算法,haystack为文本,needle为所查找的字符串
vector<int> kmp(string haystack, string needle) {string cur = needle + "#" + haystack;int sz1 = haystack.size();int sz2 = needle.size();vector<int>v;prefix_func(cur);for (int i = sz2 + 1; i <= sz1 + sz2; i++) {if (prefix[i] == sz2) v.push_back(i - 2 * sz2); //如果要首次出现的位置,从这里返回即可}return v;
}
题目
LeetCode 第 28 题 找出字符串中第一个匹配项的下标