KnuthMorrisPratt KMP匹配算法

问题

在文本$text$中查找模式$pattern$出现的所有位置（$text$长度为$n$，$pattern$长度为$m$，$n, m$都是正整数且$n \gt m$）。

解法

没有学习AC自动机前想要理解KMP算法非常困难，KMP算法可以看作只有一个模式的AC自动机的简化版。所以将KnuthMorrisPratt放在AhoCorasickAutomata之后，请读者在学习KMP算法之前先阅读AhoCorasickAutomata。

将AC自动机应用在只有一个模式的匹配时，我们会发现这样的AC自动机中没有输出指针，只有失败指针。为了简化我们不再使用树形结构体，而用数组下标来表示失败指针：

KnuthMorrisPratt1.png

得到模式$pattern$的每个节点跳转的下标，在KMP算法中，这个跳转的下标数组称为失败函数（Failure Function），或部分匹配表（Partial Match Table）。部分匹配表的实质也是最长后缀字符串。

当匹配到$text[0 \dots 3] = pattern[0 \dots 3]$但$text[4] \ne pattern[4]$时，已知$pattern[0 \dots 3]$的最长后缀字符串为$pt[0 \dots 1]$，按照AC自动机的算法，当前的匹配位置是$pattern[3]$，沿着失败指针$pattern[3] \rightarrow pattern[1]$跳转，然后继续尝试匹配$pattern[2]$和$text[4]$。指向前缀树根节点的下标都设为$-1$。

由此可得，对于$text[i] \ne pattern[j]$，若$j = 0$则文本上的位置右移一位$i = i + 1$，匹配上的位置不动；若$j \gt 0$则模式上的匹配位置跳转到$j - 1 = pmt[j - 1]$即$j = pmt[j - 1] + 1$，文本上的位置不动。然后继续尝试匹配$text[i]$和$pattern[j]$。对于$text[i] = pattern[j]$，则文本和模式上的位置都右移一位$i = i + 1, j = j + 1$。当$j$为模式$pattern$的末尾字符，并且$text[i] = pattern[j]$匹配成功，这时我们仍然将两个位置右移一位$i = i + 1, j = j + 1$继续匹配，那么显然有$text[i] \ne pattern[j]$（因为模式在这个位置已经没有字符了），这时$j$的跳转位置为$j = pmt[j-1] + 1$，然后就可以正常匹配了。

根据AC自动机中构造前缀树及失败指针的算法可知：

$(1)$ 对于模式上的位置$j = 0$（前缀树根节点的第一层孩子节点），其失败指针为$pmt[j] = -1$；

$(2)$ 对于模式上的位置$j \gt 0$，其父节点位置为$j - 1$，父节点的失败指针位置为$pmt[j-1]$，而失败指针的孩子节点的位置必然是$pmt[j-1] + 1$。若$pattern[j] = pattern[pmt[j-1] + 1]$，则可知失败指针为$pmt[j] = pmt[j-1] + 1$；否则失败指针为$pmt[j] = -1$：

即公式：

$$pmt[j] = \begin{cases} -1 & j = 0 \\ -1 & 0 \lt j \lt m, pattern[pmt[j-1]+1] \ne pattern[j] \\ pmt[j-1] + 1 & 0 \lt i \lt m, pattern[pmt[j-1]+1] = pattern[j] \end{cases}$$

实际编程中为了方便操作数组下标，通常会定义数组$next$，令$next[i] = pmt[i-1]$。

KMP算法的时间复杂度为$O(n + m)$。

源码

KnuthMorrisPratt.h

KnuthMorrisPratt.cpp

测试

KnuthMorrisPrattTest.cpp