KMP算法具体解释(转)

作者：July。

出处：http://blog.csdn.net/v_JULY_v/。

引记

此前一天，一位MS的朋友邀我一起去与他讨论高速排序，红黑树，字典树，B树、后缀树，包含KMP算法，只有在解说KMP算法的时候，言语磕磕碰碰，我想，原因有二：1、博客内的东西不常回想，忘了不少；2、便是我对KMP算法的理解还不够彻底，自不用说解说自如，运用自如了。所以，特再写本篇文章。因为此前，个人已经写过关于KMP算法的两篇文章，所以，本文名为：KMP算法之总结篇。

本文分为例如以下六个部分：

1. 第一部分、再次回想普通的BF算法与KMP算法各自的时间复杂度，并两相对比各自的匹配原理；
2. 第二部分、通过我此前第二篇文章的引用，用图从头到尾具体阐述KMP算法中的next数组求法，并运用求得的next数组写出KMP算法的源代码；
3. 第三部分、KMP算法的两种实现，代码实现一是依据本人关于KMP算法的第二篇文章所写，代码实现二是依据本人的关于KMP算法的第一篇文章所写；
4. 第四部分、測试，分别对第三部分的两种实现中next数组的求法进行測试，挖掘其差别之所在；
5. 第五部分、KMP完整准确源代码，给出KMP算法的准确的完整源代码；
6. 第六步份、一眼看出字符串的next数组各值，通过几个样例，让读者能依据字符串本身一眼推断出其next数组各值。

力求让此文彻底让读者洞穿此KMP算法，全部原理，来龙去脉，让读者搞个通通透透（注意，本文中第二部分及第三部分的代码实现一的字符串下标i
从0開始计算，其他部分如第三部分的代码实现二，第五部分，和第六部分的字符串下标i 皆是从1開始的）。

在看本文之前，你心中如若对前缀和后缀这个两个概念有自己的理解，便最好了。有些东西比方此KMP算法须要我们重复思考，重复求解才行。个人写的关于KMP算法的第二篇文章为：六（续）、从KMP算法一步一步谈到BM算法；第一篇为：六、教你初步了解KMP算法、updated（文末链接）。ok，若有不论什么问题，恳请不吝指正。多谢。

第一部分、KMP算法初解

1、普通字符串匹配BF算法与KMP算法的时间复杂度比較

KMP算法是一种线性时间复杂的字符串匹配算法，它是对BF算法（Brute-Force，最主要的字符串匹配算法的）改进。对于给的原始串S和模式串P，须要从字符串S中找到字符串P出现的位置的索引。

BF算法的时间复杂度O(strlen(S) * strlen(T))，空间复杂度O(1)。

KMP算法的时间复杂度O(strlen(S) + strlen(T))，空间复杂度O(strlen(T))。

2、BF算法与KMP算法的差别

如果如今S串匹配到i位置，T串匹配到j位置。那么总的来说，两种算法的主要差别在于失配的情况下，对
的值做的处理：

BF算法中，假设当前字符匹配成功，即s[i+j] == T[j]，令j++，继续匹配下一个字符；假设失配，即S[i
+ j] != T[j]，须要让i++,而且j= 0，即每次匹配失败的情况下，模式串T相对于原始串S向右移动了一位。

而KMP算法中，假设当前字符匹配成功，即S[i]==T[j]，令i++，j++，继续匹配下一个字符；假设匹配失败，即S[i]
!= T[j]，须要保持i不变，而且让j = next[j]，这里next[j]
<=j -1，即模式串T相对于原始串S向右移动了至少1位(移动的实际位数j
- next[j]  >=1),

同一时候移动之后，i之前的部分（即S[i-j+1 ~ i-1]），和j=next[j]之前的部分（即T[0
~ j-2]）仍然相等。显然，相对于BF算法来说，KMP移动很多其它的位数，起到了一个加速的作用！
(失配的特殊情形，令j=next[j]导致j==0的时候，须要将i
++，否则此时没有移动模式串)。

3、BF算法为什么要回溯

首先说一下为什么BF算法要回溯。例如以下两字符串匹配（恰如上面所述：BF算法中，假设当前字符匹配成功，即s[i+j]
== T[j]，令j++，继续匹配下一个字符）：

i+j（j随T中的j++变，而动）

S：aaaacefghij

j++

T：aaac

假设不回溯的话就是从下一位開始比起：

aaaacefghij

aaac

看到上面红颜色的没，假设不回溯的话，那么从a 的下一位c
比起。然而下述这样的情况就漏了（正确的做法当然是要回溯：假设失配，即S[i +
j] != T[j]，须要让i++,而且j=
0）：

aaaacefghij

aaac

所以，BF算法要回溯，其代码例如以下：

1. int Index(SString S, SString T, int pos) {
2. //返回T在S中第pos个字符之后的位置
3. i=pos; j=1;k=0;
4. while ( i< = S[0] && j< = T[0] ) {
5. if (S[i+k] = = T[j] ) {++k;  ++j;}   //继续比較兴许字符
6. else {i=i+1;   j=1; k=0;}      //指针回溯到 下一首位，又一次開始
7. }
8. if(j>T[0]) return i;          //子串结束，说明匹配成功
9. else return  0;
10. }//Index

只是，也有特殊情况能够不回溯，例如以下：

abcdefghij(主串)

abcdefg(模式串)

  即(模式串)没有同样的才不须要回溯。

4、KMP
算法思想

    普通的字符串匹配算法必需要回溯。但回溯就影响了效率，回溯是由T串本身的性质决定的，是由于T串本身有前后'部分匹配'的性质。像上面所说假设主串为abcdef这种，大没有回溯的必要。

改进的地方也就是这里，我们从T串本身出发，事先就找准了T自身前后部分匹配的位置，那就能够改进算法。

假设不用回溯，那模式串下一个位置从哪里開始呢？

还是上面那个样例，T(模式串)为ababc，假设c失配，那就能够往前移到aba最后一个a的位置，像这样：

...ababd...

ababc

->ababc

这样i不用回溯，j跳到前2个位置，继续匹配的过程，这就是KMP算法所在。这个当T[j]失配后，j
应该往前跳的值就是j的next值，它是由T串本身固有决定的，与S串(主串)无关。

5、next数组的含义

重点来了。以下解释一下next数组的含义，这个也是KMP算法中比較不好理解的一点。

令原始串为: S[i]，当中0<=i<=n；模式串为: T[j]，当中0<=j<=m。

如果眼下匹配到例如以下位置

S0,S1,S2,...,Si-j,Si-j+1...............,Si-1,
Si, Si+1,....,Sn

T0,T1,.....................,Tj-1,
Tj, ..........

S和T的绿色部分匹配成功，恰好到Si和Tj的时候失配，如果要保持i不变，同一时候达到让模式串T相对于原始串S右移的话，能够更新j的值，让Si和新的Tj进行匹配，如果新的j用next[j]表示，即让Si和next[j]匹配，显然新的j值要小于之前的j值，模式串才会是右移的效果，也就是说应该有next[j]
<= j -1。那新的j值也就是next[j]应该是多少呢？我们观察例如以下的匹配：

1)假设模式串右移1位（从简单的思考起，移动一位会怎么样），即next[j] = j - 1， 即让蓝色的Si和Tj-1匹配
(注：省略号为未匹配部分)

S0,S1,S2,...,Si-j,Si-j+1...............,Si-1,
Si, Si+1,....,Sn

T0,T1,.....................,Tj-1,
Tj, .......... (T的划线部分和S划线部分相等【1】)

T0,T1,.................Tj-2,Tj-1,
....... (移动后的T的划线部分和S的划线部分相等【2】)

依据【1】【2】能够知道当next[j] =j -1，即模式串右移一位的时候，有T[0
~ j-2] == T[1 ~ j-1]，而这两部分恰好是字符串T[0 ~j-1]的前缀和后缀，也就是说next[j]的值取决于模式串T中j前面部分的前缀和后缀相等部分的长度（好好揣摩这两个keyword概念：前缀、后缀，或者再想想，我的上一篇文章，从Trie树谈到后缀树中，后缀树的概念）。

2)假设模式串右移2位，即next[j] = j - 2， 即让蓝色的Si和Tj-2匹配

S0,S1,...,Si-j,Si-j+1,Si-j+2...............,Si-1,
Si, Si+1,....,Sn

T0,T1,T2,.....................,Tj-1,
Tj, ..........(T的划线部分和S划线部分相等【3】)

T0,T1,...............,Tj-3,Tj-2,.........(移动后的T的划线部分和S的划线部分相等【4】)

相同依据【3】【4】能够知道当next[j] =j -2，即模式串右移两位的时候，有T[0
~ j-3] == T[2 ~ j-1]。而这两部分也恰好是字符串T[0 ~j-1]的前缀和后缀，也就是说next[j]的值取决于模式串T中j前面部分的前缀和后缀相等部分的长度。

3)依次类推，能够得到例如以下结论：当发生失配的情况下，j的新值next[j]取决于模式串中T[0
~ j-1]中前缀和后缀相等部分的长度， 而且next[j]恰好等于这个最大长度。

为此，请再同意我引用上文中的一段原文：“KMP算法中，假设当前字符匹配成功，即S[i]==T[j]，令i++，j++，继续匹配下一个字符；假设匹配失败，即S[i]
!= T[j]，须要保持i不变，而且让j
= next[j]，这里next[j] <=j -1，即模式串T相对于原始串S向右移动了至少1位(移动的实际位数j
- next[j]  >=1),

同一时候移动之后，i之前的部分（即S[i-j+1 ~ i-1]），和j=next[j]之前的部分（即T[0 ~ j-2]）仍然相等。显然，相对于BF算法来说，KMP移动很多其它的位数，起到了一个加速的作用！
(失配的特殊情形，令j=next[j]导致j==0的时候，须要将i ++，否则此时没有移动模式串)。”

于此，也就不难理解了我的关于KMP算法的第二篇文章之中：“当匹配到S[i] != P[j]的时候有 S[i-j…i-1] = P[0…j-1]. 假设以下用j_next去匹配，则有P[0…j_next-1] = S[i-j_next…i-1]
= P[j-j_next…j-1]。此步骤例如以下图3-1所看到的。

当匹配到S[i] != P[j]时，S[i-j…i-1] = P[0…j-1]：

S: 0 … i-j … i-1 i …

P:       0 …   j-1 j …

假设以下用j_next去匹配，则有P[0…j_next-1] = S[i-j_next…i-1] = P[j-j_next…j-1]。

所以在P中有例如以下匹配关系（获得这个匹配关系的意义是用来求next数组）：

P: 0 … j-j_next  .…j-1_    …

P:        0    … .j_next-1 …

所以，依据上面两个步骤，推出下一匹配位置j_next:

S: 0 … i-j …
i-j_next …   i-1     
i …

P:                  
0   … j_next-1
j_next …

图3-1 求j-next（最大的值）的三个步骤

以下，我们用变量k来代表求得的j_next的最大值，即k表示这S[i]、P[j]不匹配时P中下一个用来匹配的位置，使得P[0…k-1] = P[j-k…j-1]，而我们要尽量找到这个k的最大值。”。

依据上文的【1】与【2】的匹配情况，可得第二篇文章之中所谓的k=1（如aaaa的形式），依据上文的【3】与【4】的匹配情况，k=2（如abab的形式）。

所以，归根究底，KMP算法的本质便是：针对待匹配的模式串的特点，推断它是否有反复的字符，从而找到它的前缀与后缀，进而求出对应的Next数组，终于依据Next数组而进行KMP匹配。接下来，进入本文的第二部分。

第二部分、next数组求法的来龙去脉与KMP算法的源代码

本部分引自个人此前的关于KMP算法的第二篇文章：六之续、由KMP算法谈到BM算法。前面，我们已经知道即不能让P[j]=P[next[j]]成立成立。不能再出现上面那样的情况啊！即不能有这样的情况出现：P[3]=b，而竟也有P[next[3]]=P[1]=b。

正如在第二篇文章中，所提到的那样：“这里读者理解可能有困难的是由于文中，时而next，时而nextval，把他们的思维搞混乱了。事实上next用于表达数组索引，而nextval专用于表达next数组索引下的详细各值，差别细微。至于文中说不同意P=P[next[j]
]出现，是由于已经有P=b与S匹配败，而P[next]=P1=b，若再拿P[1]=b去与S匹配则必败。”--六之续、由KMP算法谈到BM算法。

又恰恰如上文中所述：“模式串T相对于原始串S向右移动了至少1位(移动的实际位数j
- next[j]  >=1)”。

ok，求next数组的get_nextval函数正确代码例如以下：

1. //代码4-1
2. //修正后的求next数组各值的函数代码
3. void get_nextval(char const* ptrn, int plen, int* nextval)
4. {
5. int i = 0;
6. nextval[i] = -1;
7. int j = -1;
8. while( i < plen-1 )
9. {
10. if( j == -1 || ptrn[i] == ptrn[j] )   //循环的if部分
11. {
12. ++i;
13. ++j;
14. //修正的地方就发生以下这4行
15. if( ptrn[i] != ptrn[j] ) //++i，++j之后，再次推断ptrn[i]与ptrn[j]的关系
16. nextval[i] = j;      //之前的错误解法就在于整个推断仅仅有这一句。
17. else
18. nextval[i] = nextval[j];
19. }
20. else                                 //循环的else部分
21. j = nextval[j];
22. }
23. }

举个样例，举例说明下上述求next数组的方法。

S a b a b a b c

P a b a b c

S[4] != P[4]

    那么下一个和S[4]匹配的位置是k=2(也即P[next[4]])。此处的k=2也再次佐证了上文第3节开头处关于为了找到下一个匹配的位置时k的求法。上面的主串与模式串开头4个字符都是“abab”，所以，匹配失效后下一个匹配的位置直接跳两步继续进行匹配。

S a b a b a b c

P      a b a b c

匹配成功

P的next数组值分别为-1 0 -1 0 2

next数组各值怎么求出来的呢?分下面五步：

1. 初始化：i=0，j=-1，nextval[0] = -1。因为j == -1，进入上述循环的if部分，++i得i=1，++j得j=0，且ptrn[i] != ptrn[j]（即a！=b）），所以得到第二个next值即nextval[1] = 0；；
2. i=1，j=0，进入循环esle部分，j=nextval[j]=nextval[0]=-1；
3. 进入循环的if部分，++i，++j，i=2，j=0，因为ptrn[i]=ptrn[j]=a,所以nextval[2]=nextval[0]=-1；
4. i=2, j=0, 因为ptrn[i]=ptrn[j],再次进入循环if部分，所以++i=3，++j=1,因为ptrn[i]=ptrn[j]=b,所以nextval[3]=nextval[1]=0；
5. i=3,j=1,因为ptrn[i]=ptrn[j]=b,所以++i=4，++j=2,退出循环。

这样上例中模式串的next数组各值终于应该为:

图4-1 正确的next数组各值

next数组求解的详细步骤例如以下：

    初始化：nextval[0] = -1，我们得到第一个next值即-1.

图4-2 初始化第一个next值即-1

i = 0，j = -1，因为j == -1，进入上述循环的if部分，++i得i=1，++j得j=0，且ptrn[i] != ptrn[j]（即a！=b）），所以得到第二个next值即nextval[1] = 0；

图4-3 第二个next值0

上面我们已经得到，i= 1，j = 0，因为不满足条件j == -1 || ptrn[i] == ptrn[j]，所以进入循环的esle部分，得j = nextval[j] = -1；此时，仍满足循环条件，因为i = 1，j = -1，因为j == -1，再次进入循环的if部分，++i得i=2，++j得j=0，因为ptrn[i] == ptrn[j]（即ptrn[2]=ptrn[0]，也就是说第1个元素和第三个元素都是a），所以进入循环if部分内嵌的else部分，得到nextval[2]
= nextval[0] = -1；

图4-4 第三个next数组元素值-1

i = 2，j = 0，因为ptrn[i] == ptrn[j]，进入if部分，++i得i=3，++j得j=1，所以ptrn[i] == ptrn[j]（ptrn[3]==ptrn[1]，也就是说第2个元素和第4个元素都是b），所以进入循环if部分内嵌的else部分，得到nextval[3] = nextval[1] = 0；

图4-5 第四个数组元素值0

    假设你还是没有弄懂上述过程是怎么一回事，请如今拿出一张纸和一支笔出来，一步一步的画下上述过程。相信我，把图画出来了之后，你一定能明确它的。

    然后，我留一个问题给读者，为什么上述的next数组要那么求?有什么原理么?

提示：我们从上述字符串abab 各字符的next值-1 0 -1 0，能够看出来，依据求得的next数组值，偷用前缀、后缀的概念，一定能够推断出在abab之中，前缀和后缀同样，即都是ab，反过来，假设一个字符串的前缀和后缀同样，那么依据前缀和后缀依次求得的next各值也是同样的。

• 5、利用求得的next数组各值运用Kmp算法

Ok，next数组各值已经求得，万事俱备，东风也不欠了。接下来，咱们就要应用求得的next值，应用KMP算法来匹配字符串了。还记得KMP算法是怎么一回事吗?容我再次引用下之前的KMP算法的代码，例如以下：

1. //代码5-1
2. //int kmp_seach(char const*, int, char const*, int, int const*, int pos)  KMP模式匹配函数
3. //输入：src, slen主串
4. //输入：patn, plen模式串
5. //输入：nextval KMP算法中的next函数值数组
6. int kmp_search(char const* src, int slen, char const* patn, int plen, int const* nextval, int pos)
7. {
8. int i = pos;
9. int j = 0;
10. while ( i < slen && j < plen )
11. {
12. if( j == -1 || src[i] == patn[j] )
13. {
14. ++i;
15. ++j;
16. }
17. else
18. {
19. j = nextval[j];
20. //当匹配失败的时候直接用p[j_next]与s[i]比較，
21. //以下阐述怎么求这个值，即匹配失效后下一次匹配的位置
22. }
23. }
24. if( j >= plen )
25. return i-plen;
26. else
27. return -1;
28. }

我们上面已经求得的next值，例如以下：

图5-1 求得的正确的next数组元素各值

下面是匹配过程，分三步：

    第一步：主串和模式串例如以下，S[3]与P[3]匹配失败。

图5-2 第一步，S[3]与P[3]匹配失败

    第二步：S[3]保持不变，P的下一个匹配位置是P[next[3]]，而next[3]=0,所以P[next[3]]=P[0]，即P[0]与S[3]匹配。在P[0]与S[3]处匹配失败。

图5-3 第二步，在P[0]与S[3]处匹配失败

第三步：与上文中第3小节末的情况一致。因为上述第三步中，P[0]与S[3]还是不匹配。此时i=3,j=nextval[0]=-1,因为满足条件j==-1，所以进入循环的if部分,++i=4,++j=0,即主串指针下移一个位置，从P[0]与S[4]处開始匹配。最后j==plen，跳出循环，输出结果i-plen=4(即字串第一次出现的位置），匹配成功，算法结束。

图5-4 第三步，匹配成功，算法结束

    所以，综上，总结上述三步为：

1. 開始匹配，直到P[3]！=S[3]，匹配失败；
2. nextval[3]=0，所以P[0]继续与S[3]匹配，再次匹配失败；
3. nextval[0]=-1，满足循环if部分条件j==-1，所以，++i，++j，主串指针下移一个位置，从P[0]与S[4]处開始匹配，最后j==plen，跳出循环，输出结果i-plen=4，算法结束。

第三部分、KMP算法的两种实现

代码实现一：

依据上文中第二部分内容的解析，完整写出KMP算法的代码已经不是难事了，例如以下：

1. //copyright@2011 binghu and july
2. #include "StdAfx.h"
3. #include <string>
4. #include <iostream>
5. using namespace std;
6. //代码4-1
7. //修正后的求next数组各值的函数代码
8. void get_nextval(char const* ptrn, int plen, int* nextval)
9. {
10. int i = 0;  //注，此处与下文的代码实现二不同的是，i是从0開始的（代码实现二i从1開始）
11. nextval[i] = -1;
12. int j = -1;
13. while( i < plen-1 )
14. {
15. if( j == -1 || ptrn[i] == ptrn[j] )   //循环的if部分
16. {
17. ++i;
18. ++j;
19. //修正的地方就发生以下这4行
20. if( ptrn[i] != ptrn[j] ) //++i，++j之后，再次推断ptrn[i]与ptrn[j]的关系
21. nextval[i] = j;      //之前的错误解法就在于整个推断仅仅有这一句。
22. else
23. nextval[i] = nextval[j];
24. }
25. else                                 //循环的else部分
26. j = nextval[j];
27. }
28. }
29. void print_progress(char const* src, int src_index, char const* pstr, int pstr_index)
30. {
31. cout<<src_index<<"\t"<<src<<endl;
32. cout<<pstr_index<<"\t";
33. for( int i = 0; i < src_index-pstr_index; ++i )
34. cout<<" ";
35. cout<<pstr<<endl;
36. cout<<endl;
37. }
38. //代码5-1
39. //int kmp_seach(char const*, int, char const*, int, int const*, int pos)  KMP模式匹配函数
40. //输入：src, slen主串
41. //输入：patn, plen模式串
42. //输入：nextval KMP算法中的next函数值数组
43. int kmp_search(char const* src, int slen, char const* patn, int plen, int const* nextval, int pos)
44. {
45. int i = pos;
46. int j = 0;
47. while ( i < slen && j < plen )
48. {
49. if( j == -1 || src[i] == patn[j] )
50. {
51. ++i;
52. ++j;
53. }
54. else
55. {
56. j = nextval[j];
57. //当匹配失败的时候直接用p[j_next]与s[i]比較，
58. //以下阐述怎么求这个值，即匹配失效后下一次匹配的位置
59. }
60. }
61. if( j >= plen )
62. return i-plen;
63. else
64. return -1;
65. }
66. int   main()
67. {
68. std::string src = "aabcabcebafabcabceabcaefabcacdabcab";
69. std::string prn = "abac";
70. int* nextval = new int[prn.size()];
71. //int* next = new int[prn.size()];
72. get_nextval(prn.data(), prn.size(), nextval);
73. //get_next(prn.data(), prn.size(), next);
74. for( int i = 0; i < prn.size(); ++i )
75. cout<<nextval[i]<<"\t";
76. cout<<endl;
77. cout<<"result sub str: "<<src.substr( kmp_search(src.data(), src.size(), prn.data(), prn.size(), nextval, 0) )<<endl;
78. system("pause");
79. delete[] nextval;
80. return 0;
81. }

执行结果，例如以下图所看到的：

代码实现二：

再给出代码实现二之前，让我们再次回想下关于KMP算法的第一篇文章中的部分内容：

“第二节、KMP算法

2.1、
覆盖函数(overlay_function)

覆盖函数所表征的是pattern本身的性质，能够让为其表征的是pattern从左開始的全部连续子串的自我覆盖程度。比方例如以下的字串，abaabcaba

可能上面的图令读者理解起来还是不那么清晰易懂，事实上非常easy，针对字符串abaabcaba

） b（1） c（-1） a（0） b（1）a（2）

解释：

1. 初始化为-1
2. b与a不同为-1
3. 与第一个字符a同样为0
4. 还是a为0
5. 后缀ab与前缀ab两个字符同样为1
6. 前面并无前缀c为-1
7. 与第一个字符同为0
8. 后缀ab前缀ab为1
9. 前缀aba后缀aba为2

因为计数是从0始的，因此覆盖函数的值为0说明有1个匹配，对于从0还是从来開始计数是偏好问题，详细请自行调整，当中-1表示没有覆盖，那么何为覆盖呢，以下比較数学的来看一下定义，比方对于序列

a0a1...aj-1
aj

要找到一个k,使它满足

a0a1...ak-1ak=aj-kaj-k+1...aj-1aj

而没有更大的k满足这个条件，就是说要找到尽可能大k,使pattern前k字符与后k字符相匹配，k要尽可能的大，原因是假设有比較大的k存在。

但若我们选择较小的满足条件的k，那么当失配时，我们就会使pattern向右移动的位置变大，而较少的移动位置是存在匹配的，这样我们就会把可能匹配的结果丢失。比方以下的序列，

在红色部分失配，正确的结果是k=1的情况，把pattern右移4位，假设选择k=0,右移5位则会产生错误。计算这个overlay函数的方法能够採用递推，能够想象假设对于pattern的前j个字符，假设覆盖函数值为k

a0a1...ak-1ak=aj-kaj-k+1...aj-1aj

则对于pattern的前j+1序列字符，则有例如以下可能

    ⑴     pattern[k+1]==pattern[j+1] 此时overlay(j+1)=k+1=overlay(j)+1

    ⑵     pattern[k+1]≠pattern[j+1] 此时仅仅能在pattern前k+1个子符组所的子串中找到对应的overlay函数，h=overlay(k),假设此时pattern[h+1]==pattern[j+1],则overlay(j+1)=h+1否则反复(2)过程.

以下给出一段计算覆盖函数的代码：

1. //copyright@ staurman
2. //updated@2011 July
3. #include "StdAfx.h"
4. #include<iostream>
5. #include<string>
6. using namespace std;
7. //solve to the next array
8. void compute_overlay(const string& pattern)
9. {
10. const int pattern_length = pattern.size();
11. int *overlay_function = new int[pattern_length];
12. int index;
13. overlay_function[0] = -1;
14. for(int i=1;i<pattern_length;++i)
15. //注，与上文代码段一不同的是，此处i是从1開始的，所以，下文中运用俩种方法求出来的next数组各值会有所不同
16. {
17. index = overlay_function[i-1];
18. //store previous fail position k to index;
19. while(index>=0 && pattern[i]!=pattern[index+1])
20. {
21. index = overlay_function[index];
22. }
23. if(pattern[i]==pattern[index+1])
24. {
25. overlay_function[i] = index + 1;
26. }
27. else
28. {
29. overlay_function[i] = -1;
30. }
31. }
32. for(int i=0;i<pattern_length;++i)
33. {
34. cout<<overlay_function[i]<<endl;
35. }
36. delete[] overlay_function;
37. }
38. //abaabcaba
39. int main()
40. {
41. string pattern = "abaabcaba";
42. compute_overlay(pattern);
43. system("pause");
44. return 0;
45. }

    执行结果例如以下所看到的：

2.2、kmp算法

     有了覆盖函数，那么实现kmp算法就是非常easy的了，我们的原则还是从左向右匹配，可是当失配发生时，我们不用把target_index向回移动，target_index前面已经匹配过的部分在pattern自身就能体现出来，仅仅要动pattern_index就能够了。

当发生在j长度失配时，仅仅要把pattern向右移动j-overlay(j)长度就能够了。

假设失配时pattern_index==0，相当于pattern第一个字符就不匹配，这时就应该把target_index加1，向右移动1位就能够了。

ok，下图就是KMP算法的过程（红色即是採用KMP算法的运行过程）：

（还有一作者saturnman发现，在上述KMP匹配过程图中，index=8和index=11处画错了。还有，anaven也早已发现，index=3处也画错了。很感谢。但图已无法改动，见谅）

KMP 算法可在O（n+m）时间内完毕所有的串的模式匹配工作。”

OK，以下此前写的关于KMP算法的第一篇文章中的源代码：

1. //copyright@ saturnman
2. //updated@ 2011 July
3. #include "stdafx.h"
4. #include<iostream>
5. #include<string>
6. #include <vector>
7. using namespace std;
8. int kmp_find(const string& target,const string& pattern)
9. {
10. const int target_length=target.size();
11. const int pattern_length=pattern.size();
12. int* overlay_value=new int[pattern_length];
13. overlay_value[0]=-1;        //remember:next array's first number was -1.
14. int index=0;
15. //next array
16. for (int i=1;i<pattern_length;++i)
17. //注，此处的i是从1開始的
18. {
19. index=overlay_value[i-1];
20. while (index>=0 && pattern[index+1]!=pattern[i])  //remember:!=
21. {
22. index=overlay_value[index];
23. }
24. if(pattern[index+1] == pattern[i])
25. {
26. overlay_value[i]=index+1;
27. }
28. else
29. {
30. overlay_value[i]=-1;
31. }
32. }
33. //mach algorithm start
34. int pattern_index=0;
35. int target_index=0;
36. while (pattern_index<pattern_length && target_index<target_length)
37. {
38. if (target[target_index] == pattern[pattern_index])
39. {
40. ++target_index;
41. ++pattern_index;
42. }
43. else if(pattern_index==0)
44. {
45. ++target_index;
46. }
47. else
48. {
49. pattern_index=overlay_value[pattern_index-1]+1;
50. }
51. }
52. if (pattern_index==pattern_length)
53. {
54. return target_index-pattern_index;
55. }
56. else
57. {
58. return -1;
59. }
60. delete [] overlay_value;
61. }
62. int main()
63. {
64. string sourc="ababc";
65. string pattern="abc";
66. cout<<kmp_find(sourc,pattern)<<endl;
67. system("pause");
68. return 0;
69. }

因为是abc跟ababc匹配，那么将返回匹配的位置“2”，执行结果如所看到的：

第四部分、測试

针对上文中第三部分的两段代码測试了下，纠结了，两种求next数组的方法对同一个字符串求next数组各值，得到的结果居然不一样，例如以下二图所看到的：

1、两种方法对字符串abab求next数组各值比較：

2、两种对字符串abaabcaba求next数组各值比較：

为何会这样呢，事实上非常easy，上文中已经有所说明了，代码实现一的i 是从0開始的，代码实现二的i 是从1開始的。但从终于的执行结果来看，临时还是以代码实现段二为准。

第五部分、KMP完整准确源代码

求next数组各值的方法为：

1. //copyright@ staurman
2. //updated@2011 July
3. #include "StdAfx.h"
4. #include<iostream>
5. #include<string>
6. using namespace std;
7. //solve to the next array
8. void compute_overlay(const string& pattern)
9. {
10. const int pattern_length = pattern.size();
11. int *overlay_function = new int[pattern_length];
12. int index;
13. overlay_function[0] = -1;
14. for(int i=1;i<pattern_length;++i)
15. {
16. index = overlay_function[i-1];
17. //store previous fail position k to index;
18. while(index>=0 && pattern[i]!=pattern[index+1])
19. {
20. index = overlay_function[index];
21. }
22. if(pattern[i]==pattern[index+1])
23. {
24. overlay_function[i] = index + 1;
25. }
26. else
27. {
28. overlay_function[i] = -1;
29. }
30. }
31. for(int i=0;i<pattern_length;++i)
32. {
33. cout<<overlay_function[i]<<endl;
34. }
35. delete[] overlay_function;
36. }
37. //abaabcaba
38. int main()
39. {
40. string pattern = "abaabcaba";
41. compute_overlay(pattern);
42. system("pause");
43. return 0;
44. }

执行结果入下图所看到的：abab的next数组各值是-1，-1,0,1，而非本文第二部分所述的-1,0，-1,0。为什么呢？难道是搬石头砸了自己的脚？

NO，上文第四部分末已经具体说明，上处代码i 从0開始，本文第二部分代码i 从1開始。

KMP算法完整源代码，例如以下：

1. //copyright@ saturnman
2. //updated@ 2011 July
3. #include "stdafx.h"
4. #include<iostream>
5. #include<string>
6. #include <vector>
7. using namespace std;
8. int kmp_find(const string& target,const string& pattern)
9. {
10. const int target_length=target.size();
11. const int pattern_length=pattern.size();
12. int* overlay_value=new int[pattern_length];
13. overlay_value[0]=-1;        //remember:next array's first number was -1.
14. int index=0;
15. //next array
16. for (int i=1;i<pattern_length;++i)
17. //注，此处的i是从1開始的
18. {
19. index=overlay_value[i-1];
20. while (index>=0 && pattern[index+1]!=pattern[i])
21. {
22. index=overlay_value[index];
23. }
24. if(pattern[index+1] == pattern[i])
25. {
26. overlay_value[i]=index+1;
27. }
28. else
29. {
30. overlay_value[i]=-1;
31. }
32. }
33. //mach algorithm start
34. int pattern_index=0;
35. int target_index=0;
36. while (pattern_index<pattern_length && target_index<target_length)
37. {
38. if (target[target_index] == pattern[pattern_index])
39. {
40. ++target_index;
41. ++pattern_index;
42. }
43. else if(pattern_index==0)
44. {
45. ++target_index;
46. }
47. else
48. {
49. pattern_index=overlay_value[pattern_index-1]+1;
50. }
51. }
52. if (pattern_index==pattern_length)
53. {
54. return target_index-pattern_index;
55. }
56. else
57. {
58. return -1;
59. }
60. delete [] overlay_value;
61. }
62. int main()
63. {
64. string sourc="ababc";
65. string pattern="abc";
66. cout<<kmp_find(sourc,pattern)<<endl;
67. system("pause");
68. return 0;
69. }

    执行结果例如以下：

第六部分、一眼看出字符串的next数组各值

上文已经用程序求出了一个字符串的next数组各值，接下来，稍稍演示下，怎样一眼大致推断出next数组各值，以及初步推断某个程序求出的next数组各值是不是正确的。有一点务必注意：下文中的代码所有採代替码实现二，即i是从1開始的。

• 1、对字符串aba求next数组各值，各位能够先猜猜，-1，...，aba中，a初始化为-1，第二个字符b与a不同也为-1，最后一个字符和第一个字符都是a，所以，我猜其next数组各值应该是-1，-1,0，结果也不出所料，例如以下图所看到的：

• 2、字符串“abab”呢，不用猜了，我已经看出来了，当然上文中代码实现一和代码实现二都已经求出来了。假设i 是1開始的话，那么next数组各值将如代码实现二所执行的那样，将是：-1，-1,0,1；
• 3、字符串“abaabcaba”呢，next数组如上第三部分代码实现二所述，为-1，-1,0,0,1，-1,0,1,2；
• 4、字符串“abcdab”呢，next数组各值将是-1，-1，-1，-1,0,1；
• 5、字符串“abcdabc”呢，next数组各值将是-1，-1，-1，-1,0,1,2；
• 6、字符串“abcdabcd”呢，那么next数组各值将是-1，-1，-1，-1,0，1,2,3；

怎么样，看出规律来了没？呵呵，能够用上述第五部分中求next数组的方法自个多试探几次，相信，非常快，你也会跟我一样，不用计算，一眼便能看出某个字符串的next数组各值了。如此便恭喜你，理解了next数组的求法，KMP算法也就算是真真正正彻彻底底的理解了。完。

相关链接

1. KMP之第二篇文章：六（续）、从KMP算法一步一步谈到BM算法。
2. KMP之第一篇文章：六、教你初步了解KMP算法、updated。

后记

     相信，看过此文后，不管是谁，都一定能够把KMP算法搞懂了（但万一还是有读者没有搞懂，那怎么办呢？还有最后一个办法：把本文打印下来，再细致琢磨。假设是真真正正想彻底弄懂某一个东西，那么必须付出些代价。但万一要是打印下来了却还是没有弄懂呢？那来北京找我吧，我手把手教你。祝好运）。

    在结束全文之前，谈两点感悟：

1. 语言->数据结构->算法：语言是基础，够啃一辈子，主要的常见的数据结构得了如指掌，最后才是算法。除了算法之外，有很多其它更重要且更值得学习的东西（最重要的是，学习怎样编程）。切勿盲目跟风，找准自己的兴趣点，和领域才是关键。这跟选择职位、与领域并持久做下去，比选择公司更重要一样。选择学什么东西不重要，重要的是你的兴趣。
2. 修订这篇文章之时，个人接触KMP都有一年了，学算法也刚好快一年。想想阿，我弄一个KMP，弄了近一年了，到今天才算是真正彻底理解其思想，可想而知，当初创造这个算法的k、m、p三人是何等不易。我想，有不少读者是由于我的出现而想学算法的，但不可急功近利，切勿妄想算法速成。早已说过，学算法先修心。

     OK，文中有关不论什么问题或错误，烦请指教与指正。谢谢，完。

    July、二零一一年十二月五日中午。