所有下标从0开始
子串的定位操作通常称为串的模式匹配,它求的是子串(或称模式串)在主串中的位置。
前缀:除最后一个字符外,字符串的所有头部子串。
后缀:除第一个字符外,字符串的所有尾部子串。
部分匹配值:字符串的前缀和后缀的最长相等前后缀长度。
字符串 |
前缀 |
后缀 |
部分匹配值 |
a |
{} |
{} |
0 |
ab |
{a} |
{b} |
0 |
aba |
{a, ab} |
{a, ba} |
1 |
abab |
{a, ab, aba} |
{b, ab, bab} |
2 |
ababa |
{a, ab, aba, abab} |
{a, ba, aba, baba} |
3 |
暴力匹配O(mn):匹配失败后,模式串指针j回退到初始位置(0),主串指针i回退到本轮匹配初始位置的下一个位置(3 + 1=4)。
KMP算法O(m+n):根据模式串中已成功匹配子串(abcab)的特点,不需要全部回退,i保持不动,j回退到已成功匹配子串的最长相等前缀的下一个位置即可(ab后面的c的位置,即下标2)。因此,我们可以建立一个和模式串等长的数组next,存储j位置匹配失败时j的下一个位置。next[j]的值为pattern[1 ~ j-1]的部分匹配值,即最长相等前缀 或 最长相等后缀 的长度。
采用数学归纳法:
-
next[0] = -1; // 模式串第0个匹配失败,i不动,赋值j=-1,则++i;++j后等效于模式串第0个字符与主串下一个字符相比。
-
设next[i] = j;
则pattern[0 ~ i-1]中,最长相等前缀为pattern[0 ~ j-1],最长相等后缀为pattern[i-j ~ i-1];
因此,pattern[0~i]最长相等前后缀 只需比较 pattern[0 ~ j] 和 pattern[i-j ~ i] 即可(最长相等前后缀各向后扩一个)。
// pattern[0~i] 可能达到的 最长相等前后缀 即为 pattern[0 ~ j] 和 pattern[i-j ~ i],要求pattern[j] == pattern[i]
// 若pattern[j] != pattern[i],则问题转变为 pattern[0 ~ j]为模式串 和 pattern[i-j ~ i]为主串的 匹配问题
// (pattern[0 ~ j-1] 和 pattern[i-j ~ i-1]已成功匹配,且pattern[j] != pattern[i],则模式串 指针 应该根据next数组前跳)
while (j !=-1 && pattern[i] != pattern[j])
j = next[j]; // j < i,next[i]之前即next[0 ~ i-1]已求得
next[i + 1] = j + 1;
-
还有一个问题,text[i]和pattern[j]匹配失败,j=next[j],新的pattern[j]或和老的pattern[j]相等,则又要重新跳转,因此,我们应该保证pattern[j] != pattern[next[j]]
while (j !=-1 && pattern[i] != pattern[j])
j = next[j]; // j < i,next[i]之前即next[0 ~ i-1]已求得
if (pattern[i + 1] == pattern[j + 1])
next[i + 1] = next[j + 1]; // 不用递归跳转,因为next是依次加入的,若 pattern[j + 1] == pattern[next[j + 1]],则将跳转使得其不相等,所以pattern[i+1]不可能连续等于pattern[j + 1]和pattern[next[j + 1]]
else
next[i + 1] = j + 1;
import java.util.Random;
public class Main {
// 生成随机字符串
public static String randomString(String range, int length) {
Random random=new Random();
StringBuffer sb=new StringBuffer();
for (int i = 0; i < length; i++) {
sb.append(range.charAt(random.nextInt(range.length())));
}
return sb.toString();
}
public static void main(String[] args) {
for (int i = 0; i < 1000; i++) {
String text = randomString("abcdefg", 1000);
String pattern = "abc";
int ref = text.indexOf(pattern);
int out = indexOf(text, pattern);
int kmp = indexOfByKMP(text, pattern);
System.out.printf("ref: %10d, out: %10d, kmp: %10d\n", ref, out, kmp);
assert ref == out;
assert ref == kmp;
}
}
// 暴力匹配
public static int indexOf(String text, String pattern) {
int i = 0, j = 0;
while (i < text.length() && j < pattern.length()) {
if (text.charAt(i) == pattern.charAt(j)) {
++i;
++j;
} else {
i = i - j + 1;
j = 0;
}
}
if (j == pattern.length())
return i - pattern.length();
else
return -1;
}
private static int[] getNext(String pattern) {
int[] next = new int[pattern.length()];
int i = 0, j = -1;
next[i] = j;
while (i < pattern.length() - 1) {
if (j != -1 && pattern.charAt(i) != pattern.charAt(j))
j = next[j];
++i;
++j;
if (pattern.charAt(i) == pattern.charAt(j))
next[i] = next[j];
else
next[i] = j;
}
return next;
}
// KMP算法
public static int indexOfByKMP(String text, String pattern) {
int[] next = getNext(pattern);
int i = 0, j = 0;
while (i < text.length() && j < pattern.length()) {
if (j == -1 || text.charAt(i) == pattern.charAt(j)) {
++i;
++j;
} else {
j = next[j];
}
}
if (j == pattern.length())
return i - pattern.length();
else
return -1;
}
}