KMP 算法详解
\(\text{Upd on 2025/11/25}\)：全文重写。
以前写的什么鬼东西。
本文中，字符串下标统一从 \(1\) 开始。
设字符串 \(s\)，\(s[i]\) 表示 \(s\) 的第 \(i\) 个字符，以 \(s[l,r]\) 表示 \(s[l]s[l+1]\cdots s[r]\) 构成的子串。
前缀函数
设长度为 \(n\) 的字符串 \(s\)，设其前缀函数 \(\pi(i)\)，满足 \(\pi(i)\) 为 \(s\) 的前缀 \(s[1,i]\) 的最长 border 的长度。
定义字符串 \(s\) 的 border 定义为一个不等于 \(s\) 的字符串 \(t\)，满足 \(t\) 同时是 \(s\) 的前缀和后缀。
例如对于字符串 \(\texttt{ABABA}\)，有 \(\pi(1)=\pi(2)=0,\pi(3)=1,\pi(4)=2,\pi(5)=3\)。
显然 \(\pi(1)=0\)。
前缀函数的计算
考虑 \(\pi(i)\) 满足什么条件。
维护指针 \(j\)，表示成功匹配到了 \(s[1,j]=s[i-j,i-1]\)，且 \(j\) 最大。
-
若 \(s[i]=s[j+1]\)，那么有 \(\pi(i)=j+1\)，令 \(i\leftarrow i+1,j\leftarrow j+1\)。
-
否则当 \(s[i]\neq s[j+1]\) 时，令 \(j\leftarrow\pi(j)\)，这样可以保留一个最长的 border。
如果一直找不到 \(s[i]=s[j+1]\) 直到 \(j=0\)，则说明无法匹配，令 \(i\leftarrow i+1\)，跳过这一位。
前缀函数计算的时间复杂度
考虑 \(i\) 单调不降，\(j\) 增加的上界同 \(i\)，均为 \(\mathcal O(n)\)。故总时间复杂度 \(\mathcal O(n)\)。
KMP 算法
设模式串 \(s\)，文本串 \(t\)，在 \(t\) 中匹配 \(s\)。
KMP 算法引入了一个概念——fail 指针（失配指针）。
如图所示：
设指针 \(i,j\)，表示匹配到了 \(t[i]\)，已经成功找到了 \(t[i-j+1,i]=s[1,j]\)。
设已经找到了 \(t[i-j,i-1]=s[1,j]\)：
-
若 \(t[i]=s[j+1]\)，则代表这一位匹配成功，可以继续匹配，令 \(i\leftarrow i+1,j\leftarrow j+1\)。
-
否则当 \(t[i]\neq s[j+1]\) 时，说明匹配失败。
那么我们需要充分利用已经匹配过的信息，从而避免无用计算，提升算法效率。
KMP 算法设计 fail 指针 \(\operatorname{fail}(j)\) 表示 \(j+1\) 失配（成功匹配到 \(j\)）时，\(j\) 应当跳到哪里。
当 \(t[i]\neq s[j+1]\) 时，令 \(j\leftarrow\mathrm{fail}(j)\)。
\(\operatorname{fail}(j)\) 满足 \(s[1,j-1]\) 的 border 最长。
那么在 KMP 中，取 \(\operatorname{fail}(j)=\pi(j)\)，这可以保证匹配无误，保留一个最长的 border。
其实从这里也可以看出来，求前缀函数 \(\pi(i)\) 的过程本质上也可以看作让 \(s\) 自己匹配自己。
时间复杂度同前缀函数分析，\(\mathcal O(n+m)\)，\(n,m\) 为字符串长度。
例题 AC 代码
给定字符串 \(s_1,s_2\)，求 \(s_2\) 在 \(s_1\) 中所有出现位置和 \(s_2\) 的前缀函数。
//#include<bits/stdc++.h>
#include<algorithm>
#include<iostream>
#include<cstring>
#include<iomanip>
#include<cstdio>
#include<string>
#include<vector>
#include<cmath>
#include<ctime>
#include<deque>
#include<queue>
#include<stack>
#include<list>
using namespace std;
constexpr const int N=1e6;
int n,m,fail[N+1+1];
char s1[N+1],s2[N+1];
int main(){
/*freopen("test.in","r",stdin);
freopen("test.out","w",stdout);*/
ios::sync_with_stdio(false);
cin.tie(0);cout.tie(0);
cin>>(s1+1)>>(s2+1);
n=strlen(s1+1);m=strlen(s2+1);
for(int i=2,j=0;i<=m;){
if(s2[i]==s2[j+1]){
fail[i++]=++j;
}else if(j==0){
fail[i++]=0;
}else{
j=fail[j];
}
}
for(int i=1,j=0;i<=n;){
if(s1[i]==s2[j+1]){
i++,j++;
if(j==m){
cout<<i-m<<'\n';
j=fail[j];
}
}else if(j==0){
i++;
}else{
j=fail[j];
}
}
for(int i=1;i<=m;i++){
cout<<fail[i]<<' ';
}
cout.flush();
/*fclose(stdin);
fclose(stdout);*/
return 0;
}
存档
放一段以前的 Markdown 源码，想看的自己看看好了：
## 什么是 KMP 算法
### 命名
首先，你要了解“KMP”的命名由来。
其实这仅仅是因为 KMP 算法由三个叫 Donald E. **K**nuth、James H. **M**orris, Jr. 和 Vaughan R. **P**ratt 的人共同提出而已。
### 作用
参考[例题（洛谷P3375）](https://www.luogu.com.cn/problem/P3375)。
在一个字符串 $s1$（通常称之为“文本串”）中查找另一个字符串 $s2$（通常称之为“模式串”）的出现次数和出现位置。
（以下 $n,m$ 分别为 $s1,s2$ 的长度）
## 朴素算法
最优时间复杂度：$\mathcal O\left(n+m\right)$。
最坏时间复杂度：$\mathcal O(nm)$。
遍历 $s$，然后同时如果 $s_1[i]=s_2[i]$ 就继续判断 $s_1[i+1]=s_2[i+1],s_1[i+2]=s_2[i+2],\cdots,s_1[i+m-1]=s_2[m]$。在中途如果判断出 $s_1[j]\ne s_2[j]$，就跳出循环 $i$ 继续遍历。
朴素代码代码如下：
```cpp
//#include<bits/stdc++.h>
#include<algorithm>
#include<iostream>
#include<cstring>
#include<iomanip>
#include<cstdio>
#include<string>
#include<vector>
#include<cmath>
#include<ctime>
#include<deque>
#include<queue>
#include<stack>
#include<list>
using namespace std;
const int N=1e6;
char s1[N+1],s2[N+1];
int n,m;
int main(){
/*freopen("test.in","r",stdin);
freopen("test.out","w",stdout);*/
scanf("%s%s",s1,s2);
n=strlen(s1),m=strlen(s2);
int ans=0;
for(int i=0;i<n;i++){
for(int j=0;j<m;j++){
if(s1[i+j]!=s2[j])break;
if(j==m-1){
//匹配到了
}
}
}printf("%d\n",ans);
/*fclose(stdin);
fclose(stdout);*/
return 0;
}
```
## KMP 算法
### 策略
先看看朴素算法的匹配策略：
再看看 KMP 算法的匹配策略：
<p style="color: grey;text-align: center;font-size: 15px;">图片来源：见参考链接</p>
可以发现，KMP 算法在失配时”将模式串移到了适配位置的后方“。
显然，我们不可能真的去这么做，因为太费时了。
因此我们考虑使用两个指针 $i,j$，分别指向文本串 $s_1$ 和模式串 $s_2$。
### 求出 $pre$ 后匹配
使 $i$ 遍历 $[1,n]$，$j$ 如果能够匹配就增加，否则就挪到另一个位置 $pre_j$。
假设我们已经求出了 $pre_j$，那么 KMP 算法将会变得无比简单。
先上代码：
```cpp
pre[0]=-1;
for(int i=0,j=0;i<n;){
if(j==-1||s1[i]==s2[j])i++,j++;
else j=pre[j];
if(j==m){
//匹配到了
}
}
```
其中，$pre_0=-1$ 仅仅是一个特殊值（详见下文）。
现在我们考虑如何求出 $pre_j$，以及**怎样的 $pre_j$ 能最大程度上减少重复运算、提高效率。**
### $pre$ 数组是什么
引入一个概念：border。
定义一个字符串 $s$ 的 border 为 $s$ 的一个**非 $s$ 本身**的子串 $t$，满足 $t$ **既是 $s$ 的前缀，又是 $s$ 的后缀**。（***border 可以为空串***）
那么 $pre_i$ 便是 $s_2[1,i]$ 的**最长 border 的长度**。
为什么？
看个例子：在 $\texttt{CDACDBCD}$ 中匹配 $\texttt{CDBCD}$。
<!-- 不要修改此处的样式，这是为了适配 krmarkdown 特意制作的。Don't modify the style of this,it's working fine with krmarkdown,may not be fine when it works on other markdown-->
最开始长这样：$\begin{aligned}&\texttt{CDA}\color{red}\texttt{CD}\color{black}\texttt{BCD}\\ &\texttt{CDB}\color{red}\texttt{CD}\end{aligned}$。
就会把模式串位移成：$\begin{aligned}\texttt{CDA}&\color{red}\texttt{CD}\color{black}\texttt{BCD}\\ &\color{red}\texttt{CD}\color{black}\texttt{BCD}\end{aligned}$。
可以发现：此时会存在**公共部分**（$\color{red}\texttt{CD}$）。
那么我们不难发现，这个公共部分必然是 $s_2[1,i]$ 的一个 border（***可以为空串！！***）。
那么，为什么要使 border 最长呢？
其实也很简单，就是**让公共部分最长**（向前跳的尽量少），因为**这样能够防止漏掉漏掉可能的匹配**。
### 求解 $pre$ 数组
知道了这些，现在开始考虑求出 $pre_i$。
我们直接让 $s_2$ 匹配自己即可。
先放代码：
```cpp
for(int i=0,j=-1;i<m;){
if(j==-1||s2[i]==s2[j])pre[++i]=++j;
else j=pre[j];
}
```
一个明显的事实：$i\geq j$ 恒成立。
由 $pre_j$ 的定义可得，$pre_j\leq j$ 恒成立。
则每次循环中，要么 $i,j$ 同时自增，差值不变，要么 $j$ 减少；因此，$i\geq j$ 恒成立。
因此无需担心不能够进行“自己匹配自己”。
~~实在不能理解可以手推，毕竟我推了六张草稿纸，大部分都是画例子。。。。。。~~
然后其实就是一个 $i$ 指针在右边，$j$ 指针在左边，如果 $s_2[i]=s_2[j]$，那么 border 的长度自然增加，否则就是“**失配**”。
“失配”了，自然就有 $j\leftarrow pre_j$。
### 最长 border 为空
特殊值 $-1$ 的用途，这种情况 $pre$ 指向第一个字符 $s_2[0]$ 即可。
<span style="color: red;fontSize: 20px;"><b>注意：</b></span>**如果你的字符串下标从 $1$ 开始，特殊值请设置为 $0$**。
因为在 `pre[++i]=++j` 中，若是 $j=-1$，则 $pre_{i+1}=0$，但是 $0$ 是一个空值。
## 例题 AC 代码
```cpp
//#include<bits/stdc++.h>
#include<algorithm>
#include<iostream>
#include<cstring>
#include<iomanip>
#include<cstdio>
#include<string>
#include<vector>
#include<cmath>
#include<ctime>
#include<deque>
#include<queue>
#include<stack>
#include<list>
using namespace std;
const int N=1e6;
char s1[N+1],s2[N+1];
int n,m,pre[N+1]={-1};
int main(){
/*freopen("test.in","r",stdin);
freopen("test.out","w",stdout);*/
scanf("%s%s",s1,s2);
n=strlen(s1),m=strlen(s2);
for(int i=0,j=-1;i<m;){
if(j==-1||s2[i]==s2[j])pre[++i]=++j;
else j=pre[j];
}
for(int i=0,j=0;i<n;){
if(j==-1||s1[i]==s2[j])i++,j++;
else j=pre[j];
if(j==m)printf("%d\n",i-m+1);
}
for(int i=1;i<=m;i++)printf("%d ",pre[i]);
putchar(10);
/*fclose(stdin);
fclose(stdout);*/
return 0;
}
```
## 参考链接
<https://zhuanlan.zhihu.com/p/83334559>（图片来源）
<https://www.cnblogs.com/fswly/p/17959786>
<https://www.cnblogs.com/zzuuoo666/p/9028287.html>
浙公网安备 33010602011771号