KMP一个非常经典的字符串模式匹配算法
先来说说 KMP 的历史吧。
一、背景
KMP算法是一种改进的字符串匹配算法，由D.E.Knuth，J.H.Morris和V.R.Pratt提出的，因此人们称它为克努特—莫里斯—普拉特操作（简称KMP算法）。KMP算法的核心是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。具体实现就是通过一个next()函数实现，函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度度O(m+n)。KMP也可以处理最重复长子串问题，最长子串问题……这里挂一道最简单的题leetcode的 实现 strStr()，大家看完可以去试一试。
补充说明：
强调两个概念：真前缀 ，真后缀
如图所示，所谓的真前缀，就是在指在除了自身之外的全部字符串的头部顺序组合；而"真后最"，就是指在除自身之外的一个字符串的全部尾串的顺序组合 。与后缀、前缀不同：
真前/后缀不包含自身字符！！！
二、朴素字符串匹配算法
其实就是我们最开始的时候写的字符串匹配，就是两个字符串逐一匹配。不作详细介绍，代码如下
/**
* @brief 朴素字符串匹配
* @note
* @param MainString: 主串
* @param Pattern: 模式串
* @retval
*/
int SimpleStringMatch(char* MainString, char* Pattern)
{
int i = 0;
int j = 0;
int PatternLen = strlen(Pattern);
int MainStringLen = strlen(MainString);
while (i < MainStringLen && j < PatternLen)
{
if (S[i] == Pattern[j])
{
i++;
j++;
}
else
{
i = i - j + 1;
j = 0;
}
}
if (j == PatternLen)
{
return i - j;
}
return -1;
}
显然暴力匹配的时间复杂度为O（m*n）。m，n 分别取决于S和P的长度，很显然这种时间复杂度还是有些高，因此我们的KMP算法就应运而生了。
三、KMP字符串模式匹配算法
3.1 算法流程：
（1）
第一步 主串"E……" 与 模式串 "ABCDABD" 的第一个字符进行比较。‘E！= ’A，模式串索引不变，主串索引+1
（2）
E与A仍然不匹配，继续后移知道第一个匹配的位置
（3）
抵达第一处相同点
（4）
第二处相同点，继续
（5）
嗯！，不匹配了，怎么办呢。
（6）
第一反应肯定是把模式串整体后移一位然后重新一位位的比较，这样子是没有问题，但是这就不是kmp了，没有利用已完成的匹配信息。
（7）
当我们发现D和空格不匹配的时候，我们已经知道了前面6个字符为ABCDAB（主串）。KMP就是充分利用了这个信息。将模式串继续后移，没有将其移回比较过的位置。
（8）
计算机不比我们大脑，这种的事情对它来说已经很困难了，肯定要给它写个专门的算法了。KMP的索引的转跳依赖的是next[] 数组。如图，我们先用，先对KMP有一个完整的理解再来进行实现。理解才是关键。
| i | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 模式串 | A | B | C | D | A | B | D | ‘\0‘ |
| next[i] | -1 | 0 | 0 | 0 | 0 | 1· | 2 | 0 |
（9）
如图，D与空格不匹配，D之前的字符已经完成匹配，为已知信息。根据转跳数组可知，不匹配出D的next值为2，因此接下来从模式串所引为2的位置进行匹配。
（10）
同样的，C与空格不匹配，C处的next为0，所以下一个从索引为0的位置进行匹配。
（11）
A与空格比较不匹配，此处next值为-1，表示模式串的索引为1字符就不匹配，那么直接往后移一位。
（12）
一位位的比较直到完全匹配。
其实KMP的比较算法和朴素匹配的方法是一样的，KMP之所以快是快在索引的转跳上。接着我们就来说一下next数组是u如何实现的。
3.2 next数组实现：
next数组的求解基于 "真前缀" 和 "真后缀" ，即next[i]等于P[0]...P[i - 1]最长的相同真前后缀的长度。（忘记的赶紧上去看看，要不然会一直懵的）。
| i | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 模式串 | A | B | C | D | A | B | D | ‘\0‘ |
| next[i] | -1 | 0 | 0 | 0 | 0 | 1· | 2 | 0 |
- i = 0，对于模式串的首字符，我们统一为next[0] = -1；
- i = 1，前面的字符串为A，其最长相同真前后缀长度为0，即next[1] = 0；
- i = 2，前面的字符串为AB，其最长相同真前后缀长度为0，即next[2] = 0；
- i = 3，前面的字符串为ABC，其最长相同真前后缀长度为0，即next[3] = 0；
- i = 4，前面的字符串为ABCD，其最长相同真前后缀长度为0，即next[4] = 0；
- i = 5，前面的字符串为ABCDA，其最长相同真前后缀为字符A，即next[5] = 1；
- i = 6，前面的字符串为ABCDAB，其最长相同真前后缀为字符AB，即next[6] = 2；
- i = 7，前面的字符串为ABCDABD，其最长相同真前后缀长度为0，即next[7] = 0。
那么，这个数组是如何实现不匹配自动跳转的呢？
举个栗子：前置字符串
假如 i = 6 时不匹配，其前置字符串为 “ABCDAB”，仔细观察，首尾都有 “AB”，这意味着主串和模式串刚刚比较完 “AB”。那，当进行下一次比较的时候，我们就可以直接用 i = 2 时的字符C进行下一次匹配。因为刚刚模式串后方的“AB”刚比较完，所以没有必要再进行。i = 6 时候字符D的其最长相同真前后缀为字符恰好也为“AB”，长度恰好等于索引，刚好能转跳到C。
但是现在有一个问题，看表中 i = 5 时，匹配失败， next数组值为1，这不符KMP的理念啊。理论上，我们应该把 i = 2 处的字符拿过来匹配，如果拿 i = 1 处的字符那就会产生一次多余的比较。这个问题的遗留并不是算法问题，而是算法没有优化，KMP未优化的算法是用也是有特定作用的。两种算法应用场景不同，各有所长。（最后会说明优化算法的）。
下面是代码实现：
/**
* @brief next[]
* @note 未优化KMP，j == -1 不可删除
* @param Pattern: 模式串
* @param next[]: 转跳数组
* @retval None
*/
void GetNext(char* Pattern, int next[])
{
int Pattern_len = strlen(Pattern);
int i = 0; // Pattern 的下标
int j = -1;
next[0] = -1;
while (i < Pattern_len - 1)
{
if (j == -1 || Pattern[i] == Pattern[j])
{
i++;
j++;
next[i] = j;
}
else
{
j = next[j];
}
}
}
有没有看懂的，我觉得肯定有。有我也得分析一下这个算法干了什么。
其实，这个代码最难理解的就在于 if……else……
先上张图（感谢大佬给我画的图）
现在我假设 i 和 j 的位置如上，由前面代码中的 next[i] = j 得， i 的最长相同真前后缀分别是 [0, j-1] 和 [i-j, i-1]，即这两段内容相同
走流程：
if (j == -1 || Pattern[i] == Pattern[j])
{ i++;
j++;
next[i] = j;
}
else
{ j = next[j];
}
next[j] 表 [0，j - 1] 区间中最长相同真前后缀的长度。如图
左侧两个椭圆来表示这个最长相同真前后缀，即这两个椭圆代表的区段内容相同；同理，右侧也有相同的两个椭圆。所以else语句就是利用第一个椭圆和第四个椭圆内容相同来加快得到[0, i - 1]区段的相同真前后缀的长度。说到在透彻一些就是 j = next[j]，这句语句减少了无用的比较。
有没有想过，为什么next的第一个值为-1呢？
第一，
程序刚运行时，j是被初始为-1，直接进行 Pattern[i] == Pattern[j] 判断无疑会边界溢出；
第二，
else语句中j = next[j]，j 是不断后退的，若 j 在后退中被赋值为 -1（也就是 j = next[0]），在 Pattern[i] == Pattern[j] 判断也会边界溢出。
综上，其意义就是为了特殊边界判断，而且 j 一开始被赋值为-1，比较方便给第二项赋值。
四、KMP样例实现
最好自己实现一遍！！！
1 #include <stdio.h>
2 #include <stdlib.h>
3 #include <string.h>
4
5 int KMP(char* MainString, char* Pattern);
6 void GetNext(char* Pattern, int next[]);
7
8 int main()
9 {
10 printf("%d\n",KMP("ljhgfdsa asdfghjkl\0", "dfghj\0"));
11 }
12
13 int KMP(char* MainString, char* Pattern)
14 {
15 int next[22400] = {0};
16 GetNext(Pattern, next);
17
18 int i = 0;
19 int j = 0;
20 int s_len = strlen(MainString);
21 int PatternLen = strlen(Pattern);
22
23 while (i < s_len && j < PatternLen)
24 {
25 if (j == -1 || MainString[i] == Pattern[j])
26 {
27 i++;
28 j++;
29 }
30 else
31 {
32 j = next[j];
33 }
34 }
35
36 if (j == PatternLen)
37 {
38 return i - j;
39 }
40
41 return -1;
42 }
43
44 void GetNext(char* Pattern, int next[])
45 {
46 int PatternLen = strlen(Pattern);
47 int i = 0;
48 int j = -1;
49 next[0] = -1;
50
51 while (i < PatternLen - 1)
52 {
53 if (j == -1 || Pattern[i] == Pattern[j])
54 {
55 i++;
56 j++;
57 next[i] = j;
58 }
59 else
60 {
61 j = next[j];
62 }
63 }
64 }
KMP
五、KMP优化
还记得上面的那个问题吗？KMP不够完美的问题，其实只需要判断一下他们是不是相等的字符，然后进行处理即可。
处理方式：获取前一个字符的最长字串。
自己先试试
void GetNextval(char *Pattern, int nextval[])
{
int p_len = strlen(Pattern);
int i = 0;
int j = -1;
nextval[0] = -1;
while (i < p_len - 1)
{
if (j == -1 || Pattern[i] == Pattern[j])
{
i++;
j++;
//优化
if (Pattern[i] != Pattern[j])
{
nextval[i] = j;
}
else
{
nextval[i] = nextval[j]; \\一样的时候最长字串来源于前一个
}
}
else
{
j = nextval[j];
}
}
}
getnext优化
KMP算法（未优化版）： next数组表示最长的相同真前后缀的长度，我们不仅可以利用next来解决模式串的匹配问题，也可以用来解决类似字符串重复问题等等，这类问题大家可以在各大OJ找到。
KMP算法（优化版）： 根据代码很容易知道（名称也改为了nextval），优化后的next仅仅表示相同真前后缀的长度，但不一定是最长（称其为“最优相同真前后缀”更为恰当）。此时我们利用优化后的next可以在模式串匹配问题中以更快的速度得到我们的答案（相较于未优化版），但是上述所说的字符串重复问题，优化版本则束手无策。
原文地址：https://www.cnblogs.com/daker-code/p/11578319.html