轉(zhuǎn)載地址:http://www.ruanyifeng.com/blog/2013/05/boyer-moore_string_search_algorithm.html

上一篇文章，我介紹了KMP算法。

但是，它并不是效率最高的算法，實(shí)際采用并不多。各種文本編輯器的“查找”功能(Ctrl+F),大多采用Boyer-Moore算法。

Boyer-Moore算法不僅效率高，而且構(gòu)思巧妙，容易理解。1977年，德克薩斯大學(xué)的Robert S. Boyer教授和J Strother Moore教授發(fā)明了這種算法。

下面，我根據(jù)Moore教授自己的例子來(lái)解釋這種算法。

1.

假定字符串為"HERE IS A SIMPLE EXAMPLE", 搜索詞為"EXAMPLE"。

2.

首先，“字符串”與“搜索詞”頭部對(duì)齊，從尾部開(kāi)始比較。

這是一個(gè)很聰明的想法，因?yàn)槿绻膊孔址黄ヅ?#xff0c;那么只要一次比較，就可以知道前7個(gè)字符(整體上)肯定不是要找的結(jié)果。

我們看到，“S”與"E"不匹配，這時(shí)，"S"就被稱為"壞字符"(bad character)，即不匹配的字符。我們還發(fā)現(xiàn),"S"不包含在搜索詞"EXAMPLE"之中，這意味著可以把搜索詞直接移到"S"的后一位。

3.

依然從尾部開(kāi)始比較，發(fā)現(xiàn)"P"和"E"不匹配，所以"P"是"壞字符"。但是，"P"包含在搜索詞"EXAMPLE"之中，所以，將搜索詞后移兩位，兩個(gè)"P"對(duì)齊。

4.

我們由此總結(jié)出"壞字符規(guī)則"：

如果"壞字符"不包含在搜索詞之中，則上一次出現(xiàn)位置為-1.

以"P"為例，它作為"壞字符",出現(xiàn)在搜索詞的第6位(從0開(kāi)始編號(hào)),在搜索詞中的上一次出現(xiàn)位置為4,所有后移6-4=2位。再以前面第二步的"S"為例，它出現(xiàn)在第6位，上一次出現(xiàn)位置是-1(即未出現(xiàn)),則整個(gè)搜索詞后移6-(-1) = 7位.

5.

依然從尾部開(kāi)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"好后綴"(good suffix),即所有尾部匹配的字符串。注意，"MPLE"、"PLE"、"LE"、"E"都是好后綴。

9.

比較前一位，發(fā)現(xiàn)"I"與"A"不匹配。所以，"I"是"壞字符"。

10.

根據(jù)"壞字符規(guī)則",此時(shí)搜索詞應(yīng)該后移2-(-1) = 3位。問(wèn)題是，此時(shí)有沒(méi)有更好的移法?

11.

我們知道，此時(shí)存在"好后綴"。所有，可以采用"好后綴規(guī)則"：

舉例來(lái)說(shuō)，如果字符串"ABCDAB"的后一個(gè)"AB"是"好后綴"。那么它的位置是5(從0開(kāi)始計(jì)算，取最后的"B"的值),在"搜索詞中的上一次出現(xiàn)位置"是1(第一個(gè)"B"的位置),所有后移5-1 = 4位，前一個(gè)"AB"移到后一個(gè)"AB"的位置。

再舉一個(gè)例子，如果字符串"ABCDEF"的"EF"是好后綴，則"EF"的位置是5,上一次出現(xiàn)的位置是-1(即未出現(xiàn)),所有后移5-(-1)=6位，即整個(gè)字符串移到"F"的后一位。

這個(gè)規(guī)則有三個(gè)注意點(diǎn):

(1) "好后綴"的位置以最后一個(gè)字符為準(zhǔn)。假定"ABCDEF"的"EF"是好后綴，則它的位置以"F"為準(zhǔn)，即5(從0開(kāi)始計(jì)算)。 (2) 如果"好后綴"在搜索詞中只出現(xiàn)一次，則它的上一次出現(xiàn)位置為-1.比如,"EF"在"ABCDEF"之中只出現(xiàn)一次，則它的上一次出現(xiàn)位置為-1(即未出現(xiàn))。 (3) 如果"好后綴"有多個(gè)，則除了最長(zhǎng)的那個(gè)"好后綴",其他的"好后綴"的上一次出現(xiàn)位置必須在頭部。比如，假定"BABCDAB"的"好后綴"是"DAB"、"AB"、"B"，請(qǐng)問(wèn)這時(shí)"好后綴"的上一次出現(xiàn)位置是什么?回答是，此時(shí)采用的好后綴是"B",它的上一次出現(xiàn)位置是頭部，即第0位。這個(gè)規(guī)則也可以這樣表達(dá):如果最長(zhǎng)的那個(gè)"好后綴"只出現(xiàn)一次，則可以把搜索詞改寫(xiě)成如下形式進(jìn)行位置計(jì)算"(DA)BABCDAB",即虛擬加入最前面的"DA"。

回到上文的這個(gè)例子。此時(shí)，所有的"好后綴"(MPLE、PLE、LE、E)之中，只有"E"在"EXAMPLE"還出現(xiàn)在頭部，所有后移6-0=6位。

12.

可以看到，"壞字符規(guī)則"只能移3位，"好后綴規(guī)則"可以移6位。所以，Boyer-Moore算法的基本思想是，每次后移這兩個(gè)規(guī)則之中的較大值。

更巧妙的是，這兩個(gè)規(guī)則的移動(dòng)位數(shù)，只與搜索詞有關(guān)，與原字符串無(wú)關(guān)。因此，可以預(yù)先計(jì)算生成《壞字符規(guī)則表》和《好后綴規(guī)則表》。使用時(shí)，只要查表比較一下就可以了。

13.

繼續(xù)從尾部開(kāi)始比較，"P"與"E"不匹配，因此"P"是"壞字符"。根據(jù)"壞字符規(guī)則",后移6-4=2位。

14.

從尾部開(kāi)始逐位比較，發(fā)現(xiàn)全部匹配，于是搜索結(jié)束。如果還要繼續(xù)查找(即找出全部匹配),則根據(jù)"好后綴規(guī)則",后移6-0=6位，即頭部的"E"移到尾部的"E"的位置。

?

總結(jié)

以上是生活随笔為你收集整理的字符串匹配的Boyer-Moore算法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。