字串匹配之boyer moore演算法

2021-07-09 06:03:32 字數 2988 閱讀 4841

前面介紹了kmp演算法,但是,它並不是效率最高的演算法,實際採用並不多。各種文字編輯器的"查詢"功能(ctrl+f),大多採用boyer-moore演算法。

boyer-moore演算法不僅效率高,而且構思巧妙,容易理解。2023年,德克薩斯大學的robert s. boyer教授和j strother moore教授發明了這種演算法。

下面,我根據moore教授自己的例子來解釋這種演算法。 1.

假定字串為"here is a ****** example",搜尋詞為"example"。 2.

首先,"字串"與"搜尋詞"頭部對齊,從尾部開始比較。

這是乙個很聰明的想法,因為如果尾部字元不匹配,那麼只要一次比較,就可以知道前7個字元(整體上)肯定不是要找的結果。

我們看到,"s"與"e"不匹配。這時,"s"就被稱為"壞字元"(bad character),即不匹配的字元。我們還發現,"s"不包含在搜尋詞"example"之中,這意味著可以把搜尋詞直接移到"s"的後一位。

依然從尾部開始比較,發現"p"與"e"不匹配,所以"p"是"壞字元"。但是,"p"包含在搜尋詞"example"之中。所以,將搜尋詞後移兩位,兩個"p"對齊。 4.

我們由此總結出"壞字元規則"

後移位數 = 壞字元的位置 - 搜尋詞中的上一次出現位置

如果"壞字元"不包含在搜尋詞之中,則上一次出現位置為 -1。

以"p"為例,它作為"壞字元",出現在搜尋詞的第6位(從0開始編號),在搜尋詞中的上一次出現位置為4,所以後移 6 - 4 = 2位。再以前面第二步的"s"為例,它出現在第6位,上一次出現位置是 -1(即未出現),則整個搜尋詞後移 6 - (-1) = 7位。

依然從尾部開始比較,"e"與"e"匹配。 6.

比較前面一位,"le"與"le"匹配。 7.

比較前面一位,"ple"與"ple"匹配。 8.

比較前面一位,"mple"與"mple"匹配。我們把這種情況稱為"好字尾"(good suffix),即所有尾部匹配的字串。注意,"mple"、"ple"、"le"、"e"都是好字尾。 9.

比較前一位,發現"i"與"a"不匹配。所以,"i"是"壞字元"。

根據"壞字元規則",此時搜尋詞應該後移 2 - (-1)= 3 位。問題是,此時有沒有更好的移法?

11.我們知道,此時存在"好字尾"。所以,可以採用"好字尾規則"

後移位數 = 好字尾的位置 - 搜尋詞中的上一次出現位置

舉例來說,如果字串"abcdab"的後乙個"ab"是"好字尾"。那麼它的位置是5(從0開始計算,取最後的"b"的值),在"搜尋詞中的上一次出現位置"是1(第乙個"b"的位置),所以後移 5 - 1 = 4位,前乙個"ab"移到後乙個"ab"的位置。

再舉乙個例子,如果字串"abcdef"的"ef"是好字尾,則"ef"的位置是5 ,上一次出現的位置是 -1(即未出現),所以後移 5 - (-1) = 6位,即整個字串移到"f"的後一位。

這個規則有三個注意點:

(1)"好字尾"的位置以最後乙個字元為準。假定"abcdef"的"ef"是好字尾,則它的位置以"f"為準,即5(從0開始計算)。

(2)如果"好字尾"在搜尋詞中只出現一次,則它的上一次出現位置為 -1。比如,"ef"在"abcdef"之中只出現一次,則它的上一次出現位置為-1(即未出現)。

(3)如果"好字尾"有多個,則除了最長的那個"好字尾",其他"好字尾"的上一次出現位置必須在頭部。比如,假定"babcdab"的"好字尾"是"dab"、"ab"、"b",請問這時"好字尾"的上一次出現位置是什麼?回答是,此時採用的好字尾是"b",它的上一次出現位置是頭部,即第0位。這個規則也可以這樣表達:如果最長的那個"好字尾"只出現一次,則可以把搜尋詞改寫成如下形式進行位置計算"(da)babcdab",即虛擬加入最前面的"da"。

回到上文的這個例子。此時,所有的"好字尾"(mple、ple、le、e)之中,只有"e"在"example"還出現在頭部,所以後移 6 - 0 = 6位。

12.可以看到,"壞字元規則"只能移3位,"好字尾規則"可以移6位。所以,boyer-moore演算法的基本思想是,每次後移這兩個規則之中的較大值。

更巧妙的是,這兩個規則的移動位數,只與搜尋詞有關,與原字串無關。因此,可以預先計算生成《壞字元規則表》和《好字尾規則表》。使用時,只要查表比較一下就可以了。

13.

繼續從尾部開始比較,"p"與"e"不匹配,因此"p"是"壞字元"。根據"壞字元規則",後移 6 - 4 = 2位。

14.

字串匹配之kmp

kmp主要就是計算字首函式e q max return m void kmp char s,char p int n strlen s int m prefixcomp p,e int k 0 for int i 1 i n i putchar n 習題 試說明如何通過檢查字串pt的字首函式e,來確...

PHP之字串匹配

1 strstr string,search strstr 函式搜尋乙個字串在另乙個字串中的第一次出現。該函式返回字串的其餘部分 從匹配點 如果未找到所搜尋的字串,則返回 false。string 必需。規定被搜尋的字串。search 必需。規定所搜尋的字串。如果該引數是數字,則搜尋匹配數字 asc...

字串匹配

題目描述 讀入資料string 然後讀入乙個短字串。要求查詢string 中和短字串的所有匹配,輸出行號 匹配字串。匹配時不區分大小寫,並且可以有乙個用中括號表示的模式匹配。如 aa 123 bb 就是說aa1bb aa2bb aa3bb都算匹配。輸入 輸入有多組資料。每組資料第一行輸入n 1 n ...