由于新文章的做法与旧文章不同, 因此 KMP 算法仍保留旧文章, 且经过模板题测验, 新的做法明显慢于旧的做法, 但是, 新做法更好理解.
2023.8.19 旧的文章删了,因为连我自己也看不懂了
写太丑了,相信没人能看懂它的。
注意,本文的字符串都以 \(0\) 开头!当开头为 \(1\) 时处理会有一些差别,请注意一下!
前置知识#
前缀 是指从串首开始到某个位置 \(i\) 结束的一个特殊子串. 字符串 \(S\) 的以 \(i\) 结尾的前缀表示为 \(\textit{Prefix(S,i)}\), 也就是 \(\textit{Prefix(S,i)} = S[0 : i]\)。
真前缀 指除了 \(S\) 本身的 \(S\) 的前缀.
举例来说, 字符串 abcabeda
的所有前缀为 {a, ab, abc, abca, abcab, abcabe, abcabed, abcabeda}
, 而它的真前缀为 {a, ab, abc, abca, abcab, abcabe, abcabed}
.
后缀 是指从某个位置 \(i\) 开始到整个串末尾结束的一个特殊子串. 字符串 \(S\) 的从 \(i\) 开头的后缀表示为 \(\textit{Suffix(S,i)}\), 也就是 \(\textit{Suffix(S,i)} = S[i : | S |-1]\).
真后缀 指除了 \(S\) 本身的 \(S\) 的后缀.
举例来说, 字符串 abcabeda
的所有后缀为 {a, da, eda, beda, abeda, cabeda, bcabeda, abcabeda}
, 而它的真后缀为 {a, da, eda, beda, abeda, cabeda, bcabeda}
.
前缀函数#
定义: 给定一个长度为 \(n\) 的字符串 \(s\), 其前缀函数被定义为一个长度为 \(n\) 的数组 nxt
. 其中 nxt[i]
是子串 s[0 ~ i]
最长的相等的真前缀和真后缀的长度.
用数学语言描述如下:
特别地, nxt[0] = 0
, 因为不存在真前缀和真后缀.
过程#
举例来说, 对于字符串 aabaaab
,
nxt[0] = 0
, a
没有真前缀和真后缀.
nxt[1] = 1
, aa
只有一对相等的真前缀和真后缀: a
, 长度为 \(1\).
nxt[2] = 0
, aab
没有相等的真前缀和真后缀.
nxt[3] = 1
, aaba
只有一对相等的真前缀和真后缀: a
, 长度为 \(1\).
nxt[4] = 2
, aabaa
相等的真前缀和真后缀有 a
, aa
, 最长的长度为 \(2\).
nxt[5] = 2
, aabaaa
相等的真前缀和真后缀有 a
, aa
, 最长的长度为 \(2\).
nxt[6] = 3
, aabaaab
相等的真前缀和真后缀只有 aab
, 最长的长度为 \(3\).
暴力求法#
cin >> s1;
len1 = s1.length();
for (int i = 1; i < len1; ++ i) {
for (int j = i; j; -- j) {
if (s1.substr(0, j) == s1.substr(i - (j - 1), j)) {
nxt[i] = j;
break ;
}
}
}
优化#
第一个重要的观察是 相邻的前缀函数值至多增加 \(1\).
参照下图所示, 只需如此考虑: 当取一个尽可能大的 nxt[i + 1]
时, 必然要求新增的 s[i + 1]
也与之对应的字符匹配, 即 s[i + 1] = s[nxt[i]]
, 此时 s[i + 1] = s[i] + 1
.
所以当移动到下一个位置时, 前缀函数的值要么增加一, 要么维持不变, 要么减少.
当 s[i+1] != s[nxt[i]]
时, 我们希望找到对于子串 s[0 ~ i]
, 仅次于 nxt[i]
的第二长度 \(j\), 使得在位置 \(i\) 的前缀性质仍得以保持, 也即 s[0 ~ (j - 1)] = s[(i - j + 1) ~ i]
:
如果我们找到了这样的长度 \(j\), 那么仅需要再次比较 s[i + 1]
和 s[j]
. 如果它们相等, 那么就有 nxt[i + 1] = j + 1
. 否则, 我们需要找到子串 s[0 ~ i]
仅次于 \(j\) 的第二长度 \(j_{2}\), 使得前缀性质得以保持, 如此反复, 直到 \(j = 0\). 如果 s[i + 1] != s[0]
, 则 nxt[i + 1] = 0
.
观察上图可以发现, 因为 s[0 ~ nxt[i] - 1] = s[i - nxt[i] + 1 ~ i]
, 所以对于 s[0 ~ i]
的第二长度 \(j\), 有这样的性质:
s[0 ~ j - 1] = s[i - j + 1 ~ i]= s[nxt[i] - j ~ nxt[i] - 1]
也就是说 \(j\) 等价于子串 s[nxt[i] - 1]
的前缀函数值 (你可以把上面的 \(i\) 换成 nxt[i] - 1
), 即 j = nxt[nxt[i] - 1]
. 同理, 次于 \(j\) 的第二长度等价于 s[j - 1]
的前缀函数值.
cin >> s1;
len1 = s1.length();
for (int i = 1; i < len1; ++ i) {
int j = nxt[i - 1];
while (j && s1[i] != s1[j]) {
j = nxt[j - 1];
}
if (s1[i] == s1[j]) {
++ j;
}
nxt[i] = j;
}
KMP 算法#
给定一个文本 \(t\) 和一个字符串 \(s\), 我们尝试找到并展示 \(s\) 在 \(t\) 中的所有出现.
为了简便起见, 我们用 \(n\) 表示字符串 \(s\) 的长度, 用 \(m\) 表示文本 \(t\) 的长度.
我们构造一个字符串 \(s\) + #
+ \(t\), 其中 #
为一个既不出现在 \(s\) 中也不出现在 \(t\) 中的分隔符.
接下来计算该字符串的前缀函数. 现在考虑该前缀函数除去最开始 \(n + 1\) 个值 (即属于字符串 \(s\) 和分隔符的函数值) 后其余函数值的意义. 根据定义,nxt[i]
为右端点在 \(i\) 且同时为一个前缀的最长真子串的长度, 具体到我们的这种情况下, 其值为与 \(s\) 的前缀相同且右端点位于 \(i\) 的最长子串的长度. 由于分隔符的存在, 该长度不可能超过 \(n\). 而如果等式 nxt[i] = n
成立, 则意味着 \(s\) 完整出现在该位置 (即其右端点位于位置 \(i\)). 注意该位置的下标是对字符串 \(s\) + #
+ \(t\) 而言的.
因此如果在某一位置 \(i\) 有 nxt[i] = n
成立, 则字符串 \(s\) 在字符串 \(t\) 的 \(i - (n - 1) - (n + 1) = i - 2n\) 处出现.
正如在前缀函数的计算中已经提到的那样, 如果我们知道前缀函数的值永远不超过一特定值, 那么我们不需要存储整个字符串以及整个前缀函数, 而只需要二者开头的一部分. 在我们这种情况下这意味着只需要存储字符串 \(s\) + #
以及相应的前缀函数值即可. 我们可以一次读入字符串 \(t\) 的一个字符并计算当前位置的前缀函数值.
因此 Knuth–Morris–Pratt 算法(简称 KMP 算法)用 \(O_{n + m}\) 的时间以及 \(O_{n}\) 的内存解决了该问题.
/*
The code was written by yifan, and yifan is neutral!!!
*/
#include
using namespace std;
typedef long long ll;
template<typename T>
inline T read() {
T x = 0;
bool fg = 0;
char ch = getchar();
while (ch < '0' || ch > '9') {
fg |= (ch == '-');
ch = getchar();
}
while (ch >= '0' && ch <= '9') {
x = (x << 3) + (x << 1) + (ch ^ 48);
ch = getchar();
}
return fg ? ~x + 1 : x;
}
const int N = 1e6 + 5;
int nxt[N << 1];
char s1[N], s2[N], cur[N << 1];
inline void get_nxt(char* s) {
int len = strlen(s);
for (int i = 1; i < len; ++ i) {
int j = nxt[i - 1];
while (j && s[i] != s[j]) {
j = nxt[j - 1];
}
if (s[i] == s[j]) {
++ j;
}
nxt[i] = j;
}
}
int main() {
cin >> s1 >> s2;
scanf("%s%s", s1, s2);
strcpy(cur, s2);
strcat(cur, "#");
strcat(cur, s1);
get_nxt(cur);
int l1 = strlen(s1), l2 = strlen(s2);
for (int i = l2 + 1; i <= l1 + l2; ++ i) {
if (nxt[i] == l2) {
cout << i - 2 * l2 + 1 << '\n';
}
}
for (int i = 0; i < l2; ++ i) {
cout << nxt[i] << ' ';
}
return 0;
}