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。

字符串匹配的KMP算法_数据结构

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。

1.

字符串匹配的KMP算法_java_02

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.

字符串匹配的KMP算法_数据结构_03

因为B与A不匹配,搜索词再往后移。

3.

字符串匹配的KMP算法_数据结构_04

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.

字符串匹配的KMP算法_数据结构_05

接着比较字符串和搜索词的下一个字符,还是相同。

5.

字符串匹配的KMP算法_java数据结构_06

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.

字符串匹配的KMP算法_java数据结构_07

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.

字符串匹配的KMP算法_java数据结构_06

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.

字符串匹配的KMP算法_java_09

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.

字符串匹配的KMP算法_java数据结构_06

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:

"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。

(完)

 

字符串匹配的KMP算法_java_11