字符串匹配

上一篇文章，我介绍了 KMP算法 。 但是，它并不是效率最高的算法，实际采用并不多。各种文本编辑器的"查找"功能（Ctrl+F），大多采用 Boyer-Moore算法 。 Boyer-Moore算法不仅效率高，而且构思巧妙，容易理解。1977年，德克萨斯大学的Robert S. Boyer教授和J Strother Moore教授发明了这种算法。 下面，我根据Moore教授自己的 例子 来解释这种算法。 1. 假定字符串为"HERE IS A SIMPLE EXAMPLE"，搜索词为"EXAMPLE"。 2. 首先，"字符串"与"搜索词"头部对齐，从尾部开始比较。 这是一个很聪明的想法，因为如果尾部字符不匹配，那么只要一次比较，就可以知道前7个字符（整体上）肯定不是要找的结果。 我们看到，"S"与"E"不匹配。这时， "S"就被称为"坏字符"（bad character），即不匹配的字符。 我们还发现，"S"不包含在搜索词"EXAMPLE"之中，这意味着可以把搜索词直接移到"S"的后一位。 3. 依然从尾部开始比较，发现"P"与"E"不匹配，所以"P"是"坏字符"。但是，"P"包含在搜索词"EXAMPLE"之中。所以，将搜索词后移两位，两个"P"对齐。 4. 我们由此总结出 "坏字符规则" ： 　　后移位数 = 坏字符的位置 - 搜索词中的上一次出现位置 如果"坏字符

Boyer-Moore字符串搜索算法是一种非常高效的字符串搜索算法。它由Bob Boyer和J Strother Moore设计于1977年，最初的定义1975年就给出了，后续才给出构造算法以及算法证明。 先假定部分定义： 1、pattern 为模式字符串，长度为patLen; 2、Text为目标查找字符串，长度为n; 2、当前不匹配字符在pattern中位置为 j（0≤ j ≤patLen -1）; 3、已经匹配的长度为 m（0≤ m ＜patLen）; 4、先假设不匹配字符在pattern中位置为 Δ(*),其中*可以是任何字符; 很多资料里面讲解原理时说的数组位置都是从1开始的，这里为了好理解code，都是从0开始; 首先来看下坏字符规则： 一、坏字符规则（ bad character rule ）： 让不匹配字符和pattern中最右边出现的该字符对齐匹配，如果没有则全部跳过； >假设1 ：遇到不匹配字符，如果该字符在pattern 中不存在，有:（如下图示跳转） 字符指针右移：patLen 长度 后和 pattern 右对齐; Pattern 右移：patLen – m; >假设2 ：遇到不匹配字符，如果该字符在pattern 中存在，这里也分两种情况: a>.在pattern最右边出现的该字符在当前不匹配字符左边, 有:（如下图示跳转） 字符指针右移：j–Δ(‘-’)

Boyer-Moore-Horspool 算法也称Horspool 算法，由Nigel Horspool 设计于1980年，是在BM算法上改进版，因为BM算法里面的 好后缀规则较难理解，同时其效率与正确性的证明当时一直没有得到解决，所以Horspool 算法只用了一个BM里的坏字符规则. 借用“find a needle in a haystack” 典故，意为"大海捞针"，引意到我们这里就是 从haystack 字串中查找needle字串（needle 字串等同pattern字串），同时假定haystack字串长度n，needle字串长度为m; 基本原理： Horspool 算法 也是从右向左比较 ， 但Horspool算法相对于 Boyer-Moore 算法改进了坏字符规则；从右向左匹配，当遇到 不匹配字符 (mismatch character) 时 : BM 跳转规则 : 当前 不匹配字符 和needle中最右边出现的该字符对齐匹配 ; Horspool 跳转规则： haystack 字串中与 needle 字串尾部字符对应的字符 和 needle 中最右边出现的该字符匹配 ; 坏字符规则跳转表初始化和 BM 中一样，理解了原理， code 理解起来就容易了； 下面是实现代码： #include <stdio.h> #include <string.h> //