kmp in python

python/34_kmp/kmp_.py

@@ -0,0 +1,83 @@
+#!/usr/bin/python
+# -*- coding: UTF-8 -*-
+
+
+def kmp(main, pattern):
+    """
+    kmp字符串匹配
+    :param main:
+    :param pattern:
+    :return:
+    """
+    assert type(main) is str and type(pattern) is str
+
+    n, m = len(main), len(pattern)
+
+    if m == 0:
+        return 0
+    if n <= m:
+        return 0 if main == pattern else -1
+
+    # 求解next数组
+    next = get_next(pattern)
+
+    j = 0
+    for i in range(n):
+        # 在pattern[:j]中，从长到短递归去找最长的和后缀子串匹配的前缀子串
+        while j > 0 and main[i] != pattern[j]:
+            j = next[j-1] + 1   # 如果next[j-1] = -1，则要从起始字符取匹配
+
+        if main[i] == pattern[j]:
+            if j == m-1:
+                return i-m+1
+            else:
+                j += 1
+    return -1
+
+
+def get_next(pattern):
+    """
+    next数组生成
+
+    注意：
+    理解的难点在于next[i]根据next[0], next[1]…… next[i-1]的求解
+    next[i]的值依赖于前面的next数组的值，求解思路：
+    1. 首先取出前一个最长的匹配的前缀子串，其下标就是next[i-1]
+    2. 对比下一个字符，如果匹配，直接赋值next[i]为next[i-1]+1，因为i-1的时候已经是最长
+    *3. 如果不匹配，需要递归去找次长的匹配的前缀子串，这里难理解的就是递归地方式，next[i-1]
+        是i-1的最长匹配前缀子串的下标结尾，则 *next[next[i-1]]* 是其次长匹配前缀子串的下标
+        结尾
+    *4. 递归的出口，就是在次长前缀子串的下一个字符和当前匹配 或 遇到-1，遇到-1则说明没找到任
+        何匹配的前缀子串，这时需要找pattern的第一个字符对比
+
+    ps: next[m-1]的数值其实没有任何意义，求解时可以不理。网上也有将next数组往右平移的做法。
+    :param pattern:
+    :return:
+    """
+    m = len(pattern)
+    next = [-1] * m
+
+    next[0] = -1
+
+    # for i in range(1, m):
+    for i in range(1, m-1):
+        j = next[i-1]       # 取i-1时匹配到的最长前缀子串
+        while j != -1 and pattern[j+1] != pattern[i]:
+            j = next[j]     # 次长的前缀子串的下标，即是next[next[i-1]]
+
+        # 根据上面跳出while的条件，当j=-1时，需要比较pattern[0]和当前字符
+        # 如果j!=-1，则pattern[j+1]和pattern[i]一定是相等的
+        if pattern[j+1] == pattern[i]:  # 如果接下来的字符也是匹配的，那i的最长前缀子串下标是next[i-1]+1
+            j += 1
+        next[i] = j
+
+    return next
+
+
+if __name__ == '__main__':
+    m_str = "aabbbbaaabbababbabbbabaaabb"
+    p_str = "abbabbbabaa"
+
+    print('--- search ---')
+    print('[Built-in Functions] result:', m_str.find(p_str))
+    print('[kmp] result:', kmp(m_str, p_str))