目录
一、问题描述
二、解题思路
三、代码
四、复杂度分析
一、问题描述
给你两个字符串 haystack 和 needle ，请你在 haystack 字符串中找出 needle 字符串的第一个匹配项的下标（下标从 0 开始）。如果 needle 不是 haystack 的一部分，则返回 -1 。
二、解题思路
我们要在字符串 haystack 中找到 needle 字符串的第一个出现位置。这里介绍两种方法：暴力匹配 和 KMP算法。
方法一：暴力匹配
- 遍历 haystack：我们依次从
haystack字符串的每个位置开始，判断从当前字符开始的子串是否和needle相等。 - 逐字符匹配：对于每个位置，检查从当前字符开始的子串和
needle的每个字符是否相等。如果相等，则返回当前下标作为结果。 - 边界情况：如果
needle的长度大于haystack，则直接返回 -1。
方法二：KMP算法（效率更高）
KMP（Knuth-Morris-Pratt）算法通过提前计算出匹配失败时应该从哪里继续匹配，避免重复的匹配过程。
- 构建部分匹配表：首先构建一个部分匹配表，用来记录
needle中每个位置的最长相同前后缀长度。 - 匹配过程：在匹配时，利用部分匹配表来决定失败后应该跳转到哪个位置，避免不必要的字符匹配。
三、代码
方法一：暴力匹配实现
class Solution {public int strStr(String haystack, String needle) {// 边界情况，如果 needle 为空，返回 0if (needle.isEmpty()) {return 0;}// haystack 和 needle 的长度int hLen = haystack.length();int nLen = needle.length();// 如果 haystack 的长度小于 needle，无法匹配if (hLen < nLen) {return -1;}// 遍历 haystack 的每个可能的起点for (int i = 0; i <= hLen - nLen; i++) {// 对比 haystack 从 i 开始的子串是否等于 needleint j;for (j = 0; j < nLen; j++) {if (haystack.charAt(i + j) != needle.charAt(j)) {break;}}// 如果完全匹配，返回起始位置 iif (j == nLen) {return i;}}// 如果没有匹配，返回 -1return -1;}
}
时间复杂度分析：
- 时间复杂度：O((n - m) * m)，其中
n是haystack的长度，m是needle的长度。最坏情况下，needle每次匹配都到最后一个字符才失败。 - 空间复杂度：O(1)，只用了常量空间来存储索引。
方法二：KMP算法实现
KMP 的详细实现可以在需要优化效率的情况下考虑。它的核心是通过构建部分匹配表来减少不必要的重复匹配，使得时间复杂度能达到 O(n)。
class Solution {public int strStr(String haystack, String needle) {if (needle.isEmpty()) {return 0;}int[] lps = buildLPS(needle);int i = 0, j = 0;while (i < haystack.length()) {if (haystack.charAt(i) == needle.charAt(j)) {i++;j++;}if (j == needle.length()) {return i - j;} else if (i < haystack.length() && haystack.charAt(i) != needle.charAt(j)) {if (j != 0) {j = lps[j - 1];} else {i++;}}}return -1;}private int[] buildLPS(String needle) {int[] lps = new int[needle.length()];int len = 0, i = 1;while (i < needle.length()) {if (needle.charAt(i) == needle.charAt(len)) {len++;lps[i] = len;i++;} else {if (len != 0) {len = lps[len - 1];} else {lps[i] = 0;i++;}}}return lps;}
}
KMP 方法的时间复杂度为 O(n + m)，大幅提升了效率。
