字符串搜索最怕在重复前缀上反复回退。本文把 KMP 的 next 表解释成可复用的边界证据使用 Java 完整实现并逐步核对空模式、重叠匹配和 Unicode 字符序列。 同时说明边界、复杂度与可复现实验方便读者直接改造成自己的工具。一次日志过滤把模式ababaca在长文本中搜索朴素算法在每次失配后从下一个字符重来重复比较让延迟随文本放大。KMP 的关键不是更快地比较字符而是保留已经确认的前缀信息。线索一重复前缀留下了什么模式串自己包含的最长相等前后缀就是失配后仍然可能对齐的部分。文本指针不回退模式指针沿前缀函数跳转像侦探保留排除过的线索下一轮只检查尚未排除的位置。线索二next 表如何办案令 pi[i] 表示模式前缀 [0…i] 的最长真前后缀长度。计算 pi 时维护 j失配就令 jpi[j-1]直到相等或归零。扫描文本时同样使用 pi匹配长度达到 m 即记录起点然后回退到 pi[m-1]因此可以发现重叠答案。跟踪一次失配模式aba搜索ababa前 3 个字符命中 0随后 j 回退到 1文本指针继续前进最后得到起点 2。若在命中后把 j 置零会漏掉这个重叠匹配。空模式的约定要在接口层明确本文返回空列表。为何不会跳过答案每次 j 回退都会跳到更短的真前缀j 不可能无限增加文本指针只向右移动所以总比较次数至多 2n。正确性来自任何可能的下一次匹配其已匹配部分必须是当前前缀的边界pi 恰好枚举了最长候选。把匹配器交给服务Java 的 char 是 UTF-16 code unit。若业务按 Unicode 码点匹配应先转为 int 数组若按字节匹配则显式指定字符集。长文本服务可复用已构建的 pi避免每个请求重复预处理。完整可运行代码importjava.util.*;publicclassKmpDemo{staticint[]prefix(Stringp){int[]pinewint[p.length()];for(inti1,j0;ip.length();i){while(j0p.charAt(i)!p.charAt(j))jpi[j-1];if(p.charAt(i)p.charAt(j))j;pi[i]j;}returnpi;}staticListIntegerfind(Strings,Stringp){ListIntegeroutnewArrayList();if(p.isEmpty())returnout;int[]piprefix(p);for(inti0,j0;is.length();i){while(j0s.charAt(i)!p.charAt(j))jpi[j-1];if(s.charAt(i)p.charAt(j))j;if(jp.length()){out.add(i-j1);jpi[j-1];}}returnout;}publicstaticvoidmain(String[]args){assertfind(ababa,aba).equals(Arrays.asList(0,2));assertfind(aaaa,aa).equals(Arrays.asList(0,1,2));assertfind(abc,z).isEmpty();System.out.println(kmp tests passed);}}逐行读代码prefix 数组只依赖模式串find 中的 j 表示当前已经匹配的模式长度。while 循环使用 pi[j-1] 而不是 j-1这是 KMP 能跳跃的核心。命中后立即回退保证下一次扫描可以复用尾部前缀。工程扩展可把 prefix 函数用于周期检测、字符串压缩和增量协议解析。对海量模式可以共享文本扫描框架模式很多时Aho-Corasick 更合适。可复现实验启用 Java 断言运行java -ea KmpDemo应输出kmp tests passed。增加模式长度 1、模式比文本长、完全重复和中文字符串检查结果索引按 UTF-16 单元定义。复杂度分析构建 pi 为 O(m)扫描文本为 O(n)总时间 O(nm)额外空间 O(m)。输出 k 个命中位置还需要 O(k) 空间。边界条件空模式、空文本、Unicode 代理项、命中后重叠、模式长度大于文本都必须先约定索引类型在超长文本中应使用 long 或分段偏移。常见错误把失配时 j 直接减一、命中后 j 清零、误用 pi[i] 代替 pi[j-1]都会导致重复比较或漏报。测试只看是否命中而不看所有起点也会漏掉重叠案例。可复制的测试用例运行三个断言再随机生成模式和文本与String.indexOf循环得到的全部起点比较。记录第一处差异的 i、j、pi能快速定位前缀表错误。上线前检查字符模型明确按 code unit 还是 code point回退只沿 pi 链回退重叠命中后保留 pi[m-1]断言覆盖全部起点总结KMP 的价值在于把失败也变成信息。只要保留最长可复用边界文本指针就不必倒退这是一种可以迁移到日志、协议和编辑器搜索的思维方式。标签KMP字符串匹配前缀函数Java参考来源CSDN 数据结构与算法频道《二分查找从折半到精准命中》的边界讨论复盘补充KMP 的价值在于把失败也变成信息。只要保留最长可复用边界文本指针就不必倒退这是一种可以迁移到日志、协议和编辑器搜索的思维方式。 Java 的 char 是 UTF-16 code unit。若业务按 Unicode 码点匹配应先转为 int 数组若按字节匹配则显式指定字符集。长文本服务可复用已构建的 pi避免每个请求重复预处理。复盘补充KMP 的价值在于把失败也变成信息。只要保留最长可复用边界文本指针就不必倒退这是一种可以迁移到日志、协议和编辑器搜索的思维方式。 Java 的 char 是 UTF-16 code unit。若业务按 Unicode 码点匹配应先转为 int 数组若按字节匹配则显式指定字符集。长文本服务可复用已构建的 pi避免每个请求重复预处理。复盘补充KMP 的价值在于把失败也变成信息。只要保留最长可复用边界文本指针就不必倒退这是一种可以迁移到日志、协议和编辑器搜索的思维方式。 Java 的 char 是 UTF-16 code unit。若业务按 Unicode 码点匹配应先转为 int 数组若按字节匹配则显式指定字符集。长文本服务可复用已构建的 pi避免每个请求重复预处理。复盘补充KMP 的价值在于把失败也变成信息。只要保留最长可复用边界文本指针就不必倒退这是一种可以迁移到日志、协议和编辑器搜索的思维方式。 Java 的 char 是 UTF-16 code unit。若业务按 Unicode 码点匹配应先转为 int 数组若按字节匹配则显式指定字符集。长文本服务可复用已构建的 pi避免每个请求重复预处理。复盘补充KMP 的价值在于把失败也变成信息。只要保留最长可复用边界文本指针就不必倒退这是一种可以迁移到日志、协议和编辑器搜索的思维方式。 Java 的 char 是 UTF-16 code unit。若业务按 Unicode 码点匹配应先转为 int 数组若按字节匹配则显式指定字符集。长文本服务可复用已构建的 pi避免每个请求重复预处理。复盘补充KMP 的价值在于把失败也变成信息。只要保留最长可复用边界文本指针就不必倒退这是一种可以迁移到日志、协议和编辑器搜索的思维方式。 Java 的 char 是 UTF-16 code unit。若业务按 Unicode 码点匹配应先转为 int 数组若按字节匹配则显式指定字符集。长文本服务可复用已构建的 pi避免每个请求重复预处理。复盘补充KMP 的价值在于把失败也变成信息。只要保留最长可复用边界文本指针就不必倒退这是一种可以迁移到日志、协议和编辑器搜索的思维方式。 Java 的 char 是 UTF-16 code unit。若业务按 Unicode 码点匹配应先转为 int 数组若按字节匹配则显式指定字符集。长文本服务可复用已构建的 pi避免每个请求重复预处理。复盘补充KMP 的价值在于把失败也变成信息。只要保留最长可复用边界文本指针就不必倒退这是一种可以迁移到日志、协议和编辑器搜索的思维方式。 Java 的 char 是 UTF-16 code unit。若业务按 Unicode 码点匹配应先转为 int 数组若按字节匹配则显式指定字符集。长文本服务可复用已构建的 pi避免每个请求重复预处理。复盘补充KMP 的价值在于把失败也变成信息。只要保留最长可复用边界文本指针就不必倒退这是一种可以迁移到日志、协议和编辑器搜索的思维方式。 Java 的 char 是 UTF-16 code unit。若业务按 Unicode 码点匹配应先转为 int 数组若按字节匹配则显式指定字符集。长文本服务可复用已构建的 pi避免每个请求重复预处理。复盘补充KMP 的价值在于把失败也变成信息。只要保留最长可复用边界文本指针就不必倒退这是一种可以迁移到日志、协议和编辑器搜索的思维方式。 Java 的 char 是 UTF-16 code unit。若业务按 Unicode 码点匹配应先转为 int 数组若按字节匹配则显式指定字符集。长文本服务可复用已构建的 pi避免每个请求重复预处理。复盘补充KMP 的价值在于把失败也变成信息。只要保留最长可复用边界文本指针就不必倒退这是一种可以迁移到日志、协议和编辑器搜索的思维方式。 Java 的 char 是 UTF-16 code unit。若业务按 Unicode 码点匹配应先转为 int 数组若按字节匹配则显式指定字符集。长文本服务可复用已构建的 pi避免每个请求重复预处理。