字符串匹配算法：KMP与哈希算法详解

1. 字符串匹配算法概述

字符串匹配是计算机科学中最基础也最常用的算法之一，广泛应用于文本编辑器、搜索引擎、生物信息学等领域。简单来说，字符串匹配就是在主串（通常称为文本串）中查找一个子串（通常称为模式串）出现的位置。

1.1 暴力匹配的局限性

最直观的字符串匹配方法是暴力匹配（Brute-Force），即逐个字符比较文本串和模式串。这种方法虽然简单直接，但时间复杂度高达O(n×m)，其中n是文本串长度，m是模式串长度。当处理大规模数据时（如10^6量级），这种算法显然无法满足性能需求。

暴力匹配的低效主要源于其"全或无"的匹配策略：一旦发现某个字符不匹配，就完全放弃当前比对位置，从下一个位置重新开始整个模式串的匹配。这种策略没有利用已经匹配的部分信息，造成了大量重复计算。

1.2 高效算法的选择

针对暴力匹配的缺陷，计算机科学家们提出了多种优化算法，其中最具代表性的就是KMP算法和字符串哈希算法：

• KMP算法：由Knuth、Morris和Pratt三位科学家共同提出，通过预处理模式串构建next数组（或称部分匹配表），利用已匹配部分的信息避免不必要的回溯，将时间复杂度优化至O(n+m)

• 字符串哈希：将字符串转换为数字（哈希值），通过比较哈希值而非原始字符串来判断匹配，配合滚动哈希技术可以实现O(1)时间的子串比较，整体复杂度为O(n+m)

这两种算法各有优劣，选择哪种取决于具体应用场景和开发者偏好。接下来我们将深入探讨这两种算法的原理和实现细节。

2. 字符串哈希算法详解

2.1 哈希算法基本原理

字符串哈希的核心思想是将字符串映射为一个数字（哈希值），使得：

1. 相同的字符串必然产生相同的哈希值
2. 不同的字符串尽可能产生不同的哈希值（理想情况下）

这种映射通过多项式哈希（Polynomial Rolling Hash）实现，其数学表达式为：

code复制hash(s) = (s[0]×P^(m-1) + s[1]×P^(m-2) + ... + s[m-1]×P^0) mod M

其中：

• P是一个大于字符集大小的质数（常用131或13331）
• M是一个大质数（常用10^9+7或2^64）
• s[i]是字符串中第i个字符的ASCII值

2.2 滚