kmp算法(C语言)

查了好多资料，终于知道kmp算法的意思了。

定义

 Knuth-Morris-Pratt 字符串查找算法，简称为 “KMP算法”，常用于在一个文本串S内查找一个模式串P 的出现位置，这个算法由Donald Knuth、Vaughan Pratt、James H. Morris三人于1977年联合发表，故取这3人的姓氏命名此算法。

一般算法

下面是两个字符串

char str[80] = "bacbababadababacambabacaddababacasdsd";
char subStr[80] = "ababaca";

求subStr在str的第几个为值，

假设str有n个字符，subStr有m个字符，（n >= m）,如果最用效率最低的方法是，根据str的每一个字符到后面的m个字符长度之间的字符与subStr字符进行挨个比较，如果其中有不一样的就会进行，将str的那个第一个比较的字符往后移一位，进行下次比较，循环主串，直到结束。

KMP算法

一般算法，是主串的每个字符进行匹配，如果存在一种，减少主串的匹配次数，效率就会极大的提高。

这就要根据子串的结构特性进行减少匹配次数。

具体的思想是下图。

长的是主串，短的部分是子串，

当匹配的时候，失配点处之前的字符都相同，如果他们存在一种前端的最长字符串与末端的最长字符串相同，

如图

1区字符串 == 2区的字符串   3区字符串 == 4区字符串，1区 == 3区， 2区 == 4区，于是可以推出，2区 == 3区，

于是2区与3区就不用比较，

子串会移动一段距离 （移动的距离 = 前面相同字符串的个数 - 最长前后端的同的字符个数）

next数组

是为了求子串上的每一个字符前面前端的最长字符串=末端的最长字符串的个数，说的有些模糊，

比如子串“ababaca”，0001230,前两位默认为0，第3位前面“ab”有0个，“aba”有1个，“abab”有两个，“ababa”有3个，“ababac”有0个

int* getNext(char *subStr){
	int *next = (int *)calloc(sizeof(int), strlen(subStr));
	int i;
	int j;
	int k;
	int strLen = strlen(subStr);
	for(i = 2;i < strLen; i++){
		j = 1;
		k = 0;
		while(j < i){
			if(subStr[k] == subStr[j]){
				k++;
				j++;
			}else{
				j++;
				if(subStr[k] != subStr[j]){
					k = 0;
				}
			}
		}
		next[i] = k;
	}
	return next;
}

匹配

int KMP(char *str, char *subStr){
	int subStrLen = strlen(subStr);
	int strLen = strlen(str);
	int *next = getNext(subStr);
	int i = 0;
	int j = 0;
	
	while(str[i]){
		while(subStr[j] != 0 && str[i+j] == subStr[j]){
			j++;
		}
		if(subStr[j] == 0){
			return i;
		}
		if(j == 0){
			i++;
		}else{
			i = i + j - next[j];
		}
		j = next[j];
	}
	return -1;

}

时间复杂度

O(m+n)