sunday演算法核心思想：啟發式移動搜尋步長！
sunday 演算法描述：
字串查詢演算法中，最著名的兩個是kmp演算法（knuth-morris-pratt)和bm演算法（boyer-moore)。這裡介紹一種比bm演算法更快一些的sunday查詢演算法。
例如我們要在"substring searching algorithm"查詢"search"，剛開始時，把子串與文字左邊對齊：
substring searching algorithm
search
^結果在第二個字元處發現不匹配，於是要把子串往後移動。但是該移動多少呢？這就是各種演算法各顯神通的地方了，最簡單的做法是移動乙個字元位 置；kmp是利用已經匹配部分的資訊來移動；bm演算法是做反向比較，並根據已經匹配的部分來確定移動量。這裡要介紹的方法是看緊跟在當前子串之後的那個字 符（上圖中的 'i')。
顯然，不管移動多少，這個字元是肯定要參加下一步的比較的，也就是說，如果下一步匹配到了，這個字元必須在子串內。所以，可以移動子串，使子串中的 最右邊的這個字元與它對齊。現在子串'search'中並不存在'i'，則說明可以直接跳過一大片，從'i'之後的那個字元開始作下一步的比較，如下圖：
substring searching algorithm
search
^比較的結果，第乙個字元就不匹配，再看子串後面的那個字元，是'r',它在子串中出現在倒數第三位，於是把子串向前移動三位，使兩個'r'對齊，如下：
substring searching algorithm
search
^哈！這次匹配成功了！回顧整個過程，我們只移動了兩次子串就找到了匹配位置，是不是很神啊?!可以證明，用這個演算法，每一步的移動量都比bm演算法要大，所以肯定比bm演算法更快。
因此，對於leetcode上的解題：
implement strstr().returns the index of the first occurrence of needle
in haystack, or -1 if needle is
not part of haystack.
完整的python**如下：
classsolution(object):
defstrstr(self, haystack, needle):
""":type haystack: str
:type needle: str
:rtype: int
refer:
"""char_pos =dict()
for i, ch in
enumerate(needle):
char_pos[ch] =i
i =0
len1 =len(haystack)
len2 =len(needle)
while i <= len1 -len2:
found =true
for j, ch in
enumerate(needle):
if haystack[i+j] !=ch:
found =false
if (i+len2) if haystack[i+len2] not
inchar_pos:
i += (len2+1)
else
: i += (len2-char_pos[haystack[i+len2]])
else
:
return -1
break
iffound:
return
i
return -1
參考：
字串匹配 sunday演算法
原題 lintcode題目 字串查詢 又稱查詢子字串 是字串操作中乙個很有用的函式。你的任務是實現這個函式。對於乙個給定的 source 字串和乙個 target 字串，你應該在 source 字串中找出 target 字串出現的第乙個位置 從0開始 如果不存在，則返回 1。字串匹配最常見的就是km...
字串匹配sunday演算法
在網上看到了一種比kmp和bm演算法還快字串匹配演算法，就看了一下，並且發現一些部落格上寫的 是錯誤的，於是我也寫了乙個，leetcode上測試通過。首先對sunday演算法進行一下講解 從別的地方複製過來的，講的確實不錯 好了，sunday演算法還真的很好理解，用下面的例子來說明吧 j k t h...
字串匹配 Sunday演算法
字串匹配演算法中最先學的演算法是暴力演算法，緊接著是kmp演算法，到現在依舊沒有理解next到底是怎麼求的 尋找到了一種新的演算法 sunday演算法，比kmp演算法更快 匹配時關注匹配主串中參與匹配的最後一位字元的下一位字元。參考 include includeusing namespace st...