第四章——串

考纲内容及重难点

考纲内容只有字符串模式匹配，重点考的是KMP算法（next数组）以及KMP算法的修正（改进）目前真题所有考察方式均为选择题。
出题方式常见这几种：

• KMP算法的特点和过程
• 求某一个给定串的next数组/nextval数组
• 模式匹配过程中进行的单个字符间的比较次数
• 匹配过程中i，j的值
• 子串S滑动的距离
  不是简单题，一不小心就很容易错，一定要注意。
  对于底子薄弱的本人来说，以下均为重难点：
• 模式匹配的暴力匹配算法
• KMP匹配算法的原理及next数组的推理过程
• KMP算法的进一步优化，了解nextval数组的求解方法

知识框架回忆图

基本概念

为什么要学串？学对串的一些基本操作？学习串的模式匹配？
字符串简称串，计算机上非数值处理的对象基本都是字符串数据。我们常见的信息检索系统（如搜索引擎，谷歌）、文本编辑程序（如Word）、问答系统、自然语言翻译系统等，都是以字符串数据作为处理对象的。
串（string）是由零个或多个字符组成的有限序列。一般记为
$$S{=}^{\prime }{a}_1{a}_2\dots a_n^{\prime }（n\ge 0）$$
其中，S是串名，单引号（双引号，不同的编程语言引用方式不同）括起来的字符序列是串的值，a_i可以是字母、数字或其他字符；串中字符的个数n称为串的长度。n=0时的串称为空串（用$\varnothing$表示）。
串中任意多个连续的字符组成的子序列称为该串的子串，包含子串的串称为主串。子串在主串中的位置以子串的第一个字符在主串中的位置来表示(往往从1开始)。当两个串的长度相等且每个对应位置的字符都相等时，称这两个串是相等的。
以字符串"abcdefg"为例，空串，“a”，“abcdefg”都是该字符串的子串，但是"ace"不是该字符串的子串，因为虽然a、c和e都在主串出现，但不连续。

串的模式匹配

假设两个字符串的长度分别为n和m，且满足n>=m，则判断其是否相等的算法时间复杂度是O(n) ×
注意啊，这不是求串的模式匹配，而是判断两个串是否相等，因为n>=m，所以至多比较m次后，就能得到是否相等的结论，因此时间复杂度和n无关，是O(m)。

暴力匹配算法(Brute Force)

KMP算法

字符串的前缀、后缀和部分匹配值PM

前缀指除最后一个字符以外，字符串的所有头部子串。
后缀指除了第一个字符以外，字符串的所有尾部子串。
部分匹配值指字符串的前缀和后缀的最长相等前后缀长度。下面以’ababa’为例进行说明：

• 'a’的前缀和后缀都为空集，最长相等前后缀长度为0，也就是说无子集。
• 'ab’的前缀为{a},后缀为{b}，最长相等前后缀长度为0，也就是说无子集。
• 'aba’的前缀为{a,ab},后缀为{a,ba}，最长相等前后缀长度为1，就是它们的子集a的长度。
• 'abab’的前缀为{a,ab,aba}，后缀为{b,ab,bab}，最长相等前后缀长度为2，就是它们的子集ab的长度。
  +** 'ababa’的前缀为{a,ab,aba,abab}，后缀为{a,ba,aba,baba}，最长相等前后缀长度为3，就是它们的子集aba的长度**。
  回到我们上述举的那个例子：主串S为"ababcabcacbab"，模式串为"abcac"。
  根据上述讲的串的部分匹配值PM的定义，我们可以得到模式串"abcac"的部分匹配值为00010，
  具体过程如下：

将部分匹配值写成数组形式，就得到了部分匹配值的表。

KMP算法的特点是在模式匹配时，主串不回溯，指示主串的指针不会变小。

next数组

在KMP匹配中，用next数组存放模式串的部分匹配信息，当模式串位j与主串位i比较时，两个字符不相等，则j的位移方式是$j=next[j]$。

KMP算法的进一步优化(nextval数组)

错题

本题选B。

归纳总结与思维拓展

归纳总结

KMP算法对于初学者来说可能不太容易理解，读者可以尝试多读几遍本章的内容，并参考一些其他教材相关内容来巩固这个知识点。
学习KMP算法时，应从分析暴力法的弊端入手，思考如何去优化它。实际上，已匹配相等的序列就是模式串的某个前缀，因此每次回溯就相当于模式串与模式串的某个前缀比较，这种频繁的重复比较是效率低的原因。这时，可从分析模式串本身的结构入手，以便得知当匹配到某个字符不等时，应该向后滑动到什么位置，即已匹配相等的前缀和模式串若首尾重合，则对齐它们，对齐部分显然无须再比较，下一步则是直接从主串的当前位置继续进行比较。

思维拓展

编程实现：模式串在主串中有多少个完全匹配的子串？（注意，统考不会考KMP算法题）