字符串匹配的KMP算法原理——16张图片看完就懂了

墨蓝 2022-02-13 06:15 103阅读 0赞

文章一字不落完全转载阮一峰自：http://www.ruanyifeng.com/blog/2013/05/Knuth%E2%80%93Morris%E2%80%93Pratt\_algorithm.html，图文并茂，生动形象易懂。

另外利用这个原理，对KMP算法做了一个Java实现，可以看博客[KMP字符串模式匹配算法实现——Java实现][KMP_Java]

--------------------

字符串匹配是计算机的基本任务之一。

举例来说，有一个字符串"BBC ABCDAB ABCDABCDABDE"，我想知道，里面是否包含另一个字符串"ABCDABD"？

许多算法可以完成这个任务，Knuth-Morris-Pratt算法（简称KMP）是最常用的之一。它以三个发明者命名，起头的那个K就是著名科学家Donald Knuth。

这种算法不太容易理解，网上有很多解释，但读起来都很费劲。直到读到Jake Boxer的文章，我才真正理解这种算法。下面，我用自己的语言，试图写一篇比较好懂的KMP算法解释。

![bg2013050103.png][]

首先，字符串"BBC ABCDAB ABCDABCDABDE"的第一个字符与搜索词"ABCDABD"的第一个字符，进行比较。因为B与A不匹配，所以搜索词后移一位。

![2.png][]

因为B与A不匹配，搜索词再往后移。

![3.png][]

就这样，直到字符串有一个字符，与搜索词的第一个字符相同为止。

![4.png][]

接着比较字符串和搜索词的下一个字符，还是相同。

![5.png][]

直到字符串有一个字符，与搜索词对应的字符不相同为止。

![6.png][]

这时，最自然的反应是，将搜索词整个后移一位，再从头逐个比较。这样做虽然可行，但是效率很差，因为你要把"搜索位置"移到已经比较过的位置，重比一遍。

![7.png][]

一个基本事实是，当空格与D不匹配时，你其实知道前面六个字符是"ABCDAB"。KMP算法的想法是，设法利用这个已知信息，不要把"搜索位置"移回已经比较过的位置，继续把它向后移，这样就提高了效率。

![8.png][]

怎么做到这一点呢？可以针对搜索词，算出一张《部分匹配表》（Partial Match Table）。这张表是如何产生的，后面再介绍，这里只要会用就可以了。

![9.png][]

已知空格与D不匹配时，前面六个字符"ABCDAB"是匹配的。查表可知，最后一个匹配字符B对应的"部分匹配值"为2，因此按照下面的公式算出向后移动的位数：

移动位数 = 已匹配的字符数 - 对应的部分匹配值

因为 6 - 2 等于4，所以将搜索词向后移动4位。

10.

![10.png][]

因为空格与Ｃ不匹配，搜索词还要继续往后移。这时，已匹配的字符数为2（"AB"），对应的"部分匹配值"为0。所以，移动位数 = 2 - 0，结果为 2，于是将搜索词向后移2位。

11.

![11.png][]

因为空格与A不匹配，继续后移一位。

12.

![12.png][]

逐位比较，直到发现C与D不匹配。于是，移动位数 = 6 - 2，继续将搜索词向后移动4位。

13.

![13.png][]

逐位比较，直到搜索词的最后一位，发现完全匹配，于是搜索完成。如果还要继续搜索（即找出全部匹配），移动位数 = 7 - 0，再将搜索词向后移动7位，这里就不再重复了。

14.

![14.png][]

下面介绍《部分匹配表》是如何产生的。

首先，要了解两个概念："前缀"和"后缀"。 "前缀"指除了最后一个字符以外，一个字符串的全部头部组合；"后缀"指除了第一个字符以外，一个字符串的全部尾部组合。

15.

![15.png][]

"部分匹配值"就是"前缀"和"后缀"的最长的共有元素的长度。以"ABCDABD"为例，

－　"A"的前缀和后缀都为空集，共有元素的长度为0；

－　"AB"的前缀为\[A\]，后缀为\[B\]，共有元素的长度为0；

－　"ABC"的前缀为\[A, AB\]，后缀为\[BC, C\]，共有元素的长度0；

－　"ABCD"的前缀为\[A, AB, ABC\]，后缀为\[BCD, CD, D\]，共有元素的长度为0；

－　"ABCDA"的前缀为\[A, AB, ABC, ABCD\]，后缀为\[BCDA, CDA, DA, A\]，共有元素为"A"，长度为1；

－　"ABCDAB"的前缀为\[A, AB, ABC, ABCD, ABCDA\]，后缀为\[BCDAB, CDAB, DAB, AB, B\]，共有元素为"AB"，长度为2；

－　"ABCDABD"的前缀为\[A, AB, ABC, ABCD, ABCDA, ABCDAB\]，后缀为\[BCDABD, CDABD, DABD, ABD, BD, D\]，共有元素的长度为0。

16.

![16.png][]

"部分匹配"的实质是，有时候，字符串头部和尾部会有重复。比如，"ABCDAB"之中有两个"AB"，那么它的"部分匹配值"就是2（"AB"的长度）。搜索词移动的时候，第一个"AB"向后移动4位（字符串长度-部分匹配值），就可以来到第二个"AB"的位置。

[KMP_Java]: http://50vip.com/blog.php?i=218
[bg2013050103.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680692782932.png
[2.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680694952717.png
[3.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680695303430.png
[4.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680695453621.png
[5.png]: http://50vip.com/lib/ueditor/php/upload/20130509/136806956182.png
[6.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680695919160.png
[7.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680696163979.png
[8.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680696519088.png
[9.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680696986746.png
[10.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680698485392.png
[11.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680698693570.png
[12.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680699289050.png
[13.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680699467072.png
[14.png]: http://50vip.com/lib/ueditor/php/upload/20130509/1368069970991.png
[15.png]: http://50vip.com/lib/ueditor/php/upload/20130509/13680699879808.png
[16.png]: http://50vip.com/lib/ueditor/php/upload/20130509/1368070049963.png