其中next序列,表示子串的前后缀最大匹配长度. 例如对于字符串C[], next[i]表示子串c[0 .. i]中, 前缀与后缀的最大匹配长度.
举例如果子串是 abcuab, 其前缀是a, ab, abc, abcu, abcua, 后缀是 b, ab, uab, cuab, bcuab, 其中匹配的最大子串是ab, 长度是2.
按定义挨个计算next的值
public static int[] getNexts(char[] tt) { int[] nexts = new int[tt.length]; nexts[0] = 0; // 从1到结束, 挨个计算next for (int i = 1; i < tt.length; i++) { // 在给定的子串里, 记录matched时, 最大的长度值 for (int j = 0; j < i; j++) { boolean matched = true; // 使用 k, 依次比较从 0 到 j 和从 i-j 到 i的字符是否相等, 注意下标都是从小往大移动 for (int k = 0; k <= j; k++) { if (tt[k] != tt[i-j+k]) { matched = false; break; } } // 匹配的, 记录最大长度 if (matched) { int length = j + 1; if (nexts[i] < length) nexts[i] = length; } } } return nexts; }
改进后的方法, 在遍历中依次记录next的值, 令循环减少许多
/** * 只使用两个起始下标, 来计算和记录next序列 * * @param tt * @return */ public static int[] getNexts2(char[] tt) { int[] nexts = new int[tt.length]; nexts[0] = 0; // 前缀起始下标 int prefix = 0; // 后缀起始下标 int suffix = prefix + 1; // 匹配长度 int len = 0; while(suffix < tt.length) { if (tt[prefix] == tt[suffix]) { // 如果匹配, 则记录下当前的next最大值, 并且将前缀和后缀下标都往大移动一位 prefix++; len++; if (nexts[suffix] < len) nexts[suffix] = len; } else { // 如果不匹配, 则当前长度归零, 并且前缀回归起点, 而后缀依然往后走 len = 0; prefix = 0; } suffix++; } return nexts; }
字符串搜索过程:
public static int kmpFind(char[] ss, char[] tt) { // 内容串下标 int spos = 0; // 搜索串下标 int tpos = 0; // 计算next序列 int[] nexts = getNexts2(tt); while (spos < ss.length) { if (ss[spos] == tt[tpos]) { // 匹配上后, 判断是否满足退出条件 if (tpos == tt.length - 1) return spos - tt.length + 1; if (tpos == ss.length - 1) return -1; // 否则继续往后匹配 spos++; tpos++; } else { // 未匹配的情况下, 如果搜索串是第一步都未中, 则内容串下标继续移动 if (tpos == 0) spos++; // 否则调整搜索串下标到前一步的next值(忽略掉最大前缀) else tpos = nexts[tpos - 1]; } } return -1; }
http://jakeboxer.com/blog/2009/12/13/the-knuth-morris-pratt-algorithm-in-my-own-words/