对KMP算法的一些理解

最近学到KMP算法,下面讲讲对KMP算法的一些个人理解,希望对大家有帮助!

对于KMP算法的理解:

整个KMP算法的流程可以这样看,首先对子串的自我匹配程度进行计算,算出的匹配程度分别记录下来称为next数组,然后开始用子串与母串进行匹配,如果一直匹配成功则不需要使用到next数组,当匹配到某一位出现失配时,用当前失配的位置作为下标到next数组中查找,用查找到的数计算出该把整个子串向后移动多少位(当前已匹配的子串长度 - 查找到的next数组对应的值+1),同时用查找到的数作为子串的下标开始匹配。

举个例子

例如有字符串
母串 S=“abceabceabca”
子串 T=“abceabca”

>第一步:计算出子串T的自我匹配程度是next = [0,1,1,1,1,2,3,4]

>第二步:开始匹配
a b c e a b c e a b c a
| | | | | | | \
a b c e a b c a
前面七个均匹配成功,到第八个 子串a-母串e 的时候匹配失败。

>第三步:查找next数组对应的第八位next[7]=4,当前已匹配长度为7,子串的向后移动位数为7-4+1=4,从T[4]开始匹配
a b c e a b c  e  a b c a
               |
        a b c  e  a b c a  ->移动了四位
               ^
           T串的第四位

next数组解决了朴素算法的两个问题

第一,已知子串自我匹配度为0,若子串与母串连续匹配即
S: a b c e a b 
   | | |  
T: a b c

而又可知子串自我匹配度为0,T(a) != T(b) != T(c),所以T(a)不需要与S(b)、S(c)进行多余的匹配。

称为已知不相等的多余匹配
第二,已知子串有一定的自我匹配度,若子串与母串某一位匹配失败即
S: a b c e a b c e a b c a
   | | | | | | | \
T: a b c e a b c a

而又可知子串T(abc1) = T(abc2),也就是有两串相同的字符串”abc”,子串的T(abc2)与母串的S(abc2)相匹配,所以T(abc1) = S(abc2),就不需要进行多余的匹配了。

称为已知相等的多余匹配

个人对于next数组的理解:

可以从两个方面理解next数组
1、记录子串失配后需要的后移位数(当前已匹配的子串长度 - 查找到的next数组对应的值+1)
2、记录子串需要回溯到自身哪个位置的下标

当然,1是为了便于理解以母串作为参考系的图形层面的说法,真正的计算机中并没有移动字符串这一说法,所以2才是next数组的真正意义

总而言之,next数组是记录子串匹配到哪一位出现失配的解决方案,它记录了失配后子串需要回溯到自身的哪一个位置。

以上

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 200,045评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,114评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 147,120评论 0 332
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,902评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,828评论 5 360
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,132评论 1 277
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,590评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,258评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,408评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,335评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,385评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,068评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,660评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,747评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,967评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,406评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,970评论 2 341

推荐阅读更多精彩内容