小白之KMP演算法詳解及python實現
在看子串匹配問題的時候,書上的關於KMP的演算法的介紹總是理解不了。看了一遍程式碼總是很快的忘掉,後來決定好好分解一下KMP演算法,算是給自己加深印象。
------------------------- 分割線-----------------------------------------------
在將KMP字串匹配問題的時候,我們先來回顧一下字串匹配的暴力解法:
假設字串str為: "abcgbabcdh", 字串substr為: "abcd"
從第一個字元開始比較,顯然兩個字串的第一個字元相等('a'=='a'),然後比較第二個字元也相等('b'=='b'),繼續下去,我們發現第4個字元不相等了('g'!='d'),這時候我們讓'g'和字串的開頭'a'比較,若兩者相同,則同時後移一位比較下一個字母,不同則將str中比較的字元後移一位,然後和字串中開始的'a'比較。以此類推....我們可以在str中找到substr字串,並返回字串的位置。
這種暴力搜尋方法很顯然時間複雜度是O(m*n) n,m分別表示str字串和substr字串的長度。m*n的複雜度顯然是比較大的,當m或者n很大的時候,時間開銷會很大。KMP演算法則可以將時間複雜度下降到O(m+n),和O(m*n)相比明顯下降。
KMP演算法和暴力搜尋方法之間的差別在於KMP演算法在出現字串不相等的情況時,不需要返回到字串的開頭重新比較。
如何保證字串不相等的情況出現時,字串不從最開始開始比較呢,這時候臨時陣列就登場了。
書本上總是介紹說是,判斷此時字串中是否有相同字首和字尾,懵逼臉......
看完臨時陣列是如何構造的你應該差不多就知道前後綴問題了。
** 臨時陣列 ** : 我們假設子串為 'abcabg', 開始時j指向第一個字元,i指向第二個字元(j=0, i=1)。並且令pnext[0] = 0,如下圖所示:
1) 由於substr[j] != substr[i] 並且j=0, 令pnext[i] = 0 , i往後移一位。(步驟1後,j=0, i=2)
2) 由於substr[j] != substr[i] 並且j=0, 令pnext[i] = 0 , i往後移一位。(步驟2後,j=0, i=3)
3) 此時substr[j] == substr[i], 令pnext[i] = j + 1, 並且 i , j 都後移一位。(步驟3後,j=1,i=4)
這時候我們來看一下臨時陣列的狀態:
4) substr[j] == substr[i] 還是成立, 令pnext[i] = j+1, 並且i, j都後移一位。(j=2, i=5)
5) 此時 substr[j] != substr[i],由於j=2(不為0),令j = pnext[j-1] (由於pnext[j-1] = pnext[1] = 0 ==> j=0, 保持 i=5)
6) substr[j] != substr[i], 並且j=0, 令pnext[i] = 0, 並使i後移一位。(j=0, i=6)
7) substr[j] == substr[i], 同理pnext[i] = j+1 ,並且i, j都向後移動一位。(j=1, i=7)
8) substr[j] != substr[i], j != 0, j = pnext[j-1] = pnext[0] = 0。 (j=0, i=7)
9) substr[j] != substr[i], 且j=0, 令pnext[i] = 0。(此時i到達最後一個位置,並且pnext陣列全部賦值完畢。pnext陣列構造結束)
臨時陣列構造完畢之後,就可以使用 KMP演算法 了。
還是假設 字串str = 'abgabcabgacyf', 子串 substr = 'abcabgac'.
令i指向str的第一個字元,j指向substr第一個字元。KMP演算法的詳細執行步驟如下:
<1> str[i] == substr[j], i = i+1, j = j+1. (步驟1之後: i=1, j=1)
<2> str[i] == substr[j], i = i+1, j = j+1. (i=2, j=2)
<3> str[i] != substr[j], 此時j != 0, 所以臨時陣列pnext就派上用場了。令 j = pnext[j-1]. (i=2, j = pnext[2-1] = 0)
如果存在前後綴的話(即pnext[j-1]!=0),由於此步驟之前的substr與str相同(要不然 j 也不會往後移動了),這裡舉一個例子幫助理解:
如圖,當i和j位於圖中時刻,字元j與p不相等。(p之前的abcdab肯定和上面相等,要不然j不會移動到字元p上),按照暴力搜尋的方法是不是要讓j和子串的第一個字元a比較呢。KMP演算法就不需要,我們可以看到子串中p之前的字元存在最大相等前後綴為'ab', 那在下一次比較的時候‘ab’是不是就不用比較了呢。從而直接比較j和c呢??(如下圖)這就是KMP演算法的精髓所在。
<4> 這時候str[i] != substr[j], 但是和步驟<3>不一樣的是,此時j=0(由於pnext[-1]不存在,j不能等於pnext[j-1]了)。所以子串開頭只能和str中下一個字元比較,即i = i+1。(i=3, j=0)
<5> str[i] == substr[j] ==> i = i+1, j = j+1. (i=4, j=1)
<6> 以此類推。這一過程存在兩種方法中止,即i或者j不能再加1(加1就會發生越界的時候)。假設str的長度為n,substr的長度為m。當j==m時,說明找到了子串,否則沒有找到。
def KMP_algorithm(string, substring):
'''
KMP字串匹配的主函式
若存在字串返回字串在字串中開始的位置下標,或者返回-1
'''
pnext = gen_pnext(substring)
n = len(string)
m = len(substring)
i, j = 0, 0
while (i<n) or (j<m):
if (string[i]==substring[j]):
i += 1
j += 1
elif (j!=0):
j = pnext[j-1]
else:
i += 1
if (j == m):
return i-j
else:
return -1
def gen_pnext(substring):
"""
構造臨時陣列pnext
"""
index, m = 0, len(substring)
pnext = [0]*m
i = 1
while i < m:
if (substring[i] == substring[index]):
pnext[i] = index + 1
index += 1
i += 1
elif (index!=0):
index = pnext[index-1]
else:
pnext[i] = 0
i += 1
return pnext
if __name__ == "__main__":
string = 'abcxabcdabcdabcy'
substring = 'abcdabcy'
out = KMP_algorithm(string, substring)
print(out)
程式碼結果返回子串開始時的座標位置。
看到這裡如果還是沒有懂得話,那就說明我表述的還不夠好,推薦看看視訊。
快速傳送門:戳我
------------------------- 我是有底線的,結束了 ----------------------------