文章目錄

• • 1. BM（Boyer-Moore）算法
  • • 1.1 壞字符規則
    • 1.2 好后綴規則
    • 1.3 兩種規則如何選擇
  • 2. BM算法代碼實現
  • • 2.1 壞字符
    • 2.2 好后綴
    • 2.3 完整代碼
    • 2.4 調試
  • 3. 總結

1. BM（Boyer-Moore）算法

• 思想：有模式串中不存在的字符，那么肯定不匹配，往后多移動幾位，提高效率
  
• BM原理：壞字符規則，好后綴規則

1.1 壞字符規則

• 利用壞字符規則，BM算法在最好情況下的時間復雜度非常低，是O（n/m）。比如，主串是aaabaaabaaabaaab，模式串是aaaa。每次比對，模式串都可以直接后移四位，所以，匹配具有類似特點的模式串和主串的時候，BM算法非常高效。
• 單純使用壞字符規則還是不夠的。因為根據 si-xi計算出來的移動位數，有可能是負數，比如主串是aaaaaaaaaaaaaaaa，模式串是baaa。不但不會向后滑動模式串，還有可能倒退。所以，BM算法還需要用到“好后綴規則”。

1.2 好后綴規則

從好后綴的后綴子串中，找一個最長的且和模式串的前綴子串匹配的 {v}，滑動至 {v} 對齊

1.3 兩種規則如何選擇

• 分別計算好后綴和壞字符規則往后滑動的位數，取大的，作為滑動位數（還可以避免負數）

2. BM算法代碼實現

2.1 壞字符

• 找到壞字符在模式串中的位置(有重復的，則是靠后的那個)
  采用哈希，而不是遍歷。
  

#define SIZE 256 //字符集字符數 void generateBadChar(char *b, int m, int *badchar)//(模式串字符b，模式串長度m，模式串的哈希表) {int i, ascii;for(i = 0; i < SIZE; ++i){badchar[i] = -1;//哈希表初始化為-1}for(i = 0; i < m; ++i){ascii = int(b[i]); //計算字符的ASCII值badchar[ascii] = i;//重復字符被覆蓋，記錄的是最后出現的該字符的位置} }

int str_bm(char *a, int n, char *b, int m) //只考慮壞字符方法的程序框架 {int *badchar = new int [SIZE];//記錄模式串中每個字符最后出現的位置generateBadChar(b,m,hash); //構建壞字符哈希表int i = 0, j;while(i < n-m+1){for(j = m -1; j >= 0; --j) //模式串從后往前匹配{if(a[i+j] != b[j])break; //壞字符對應模式串中的下標是j}if(j < 0) //匹配成功{return i; //返回主串與模式串第一個匹配的字符的位置}//這里等同于將模式串往后滑動 j-badchar[int(a[i+j])] 位i = i + (j - badchar[int(a[i+j])]);}return -1; }

2.2 好后綴

• 在模式串中，查找跟好后綴匹配的另一個子串
• 在好后綴的后綴子串中，查找最長的、能跟模式串前綴子串匹配的后綴子串

不考慮效率的話，上面兩個操作都可以暴力查找；
解決辦法： 預先對模式串進行處理。


實現過程：

預處理模式串，填充suffix，prefix

void generateGS(char *b, int m, int *suffix, bool *prefix) //預處理模式串，填充suffix，prefix {int i, j, k;for(i = 0; i < m; ++i)//兩個數組初始化{suffix[i] = -1;prefix[i] = false;}for(i = 0; i < m-1; ++i)//b[0,i]{j = i;k = 0;//公共后綴子串長度(模式串尾部取k個出來，分別比較)while(j >= 0 && b[j] == b[m-1-k])//與b[0,m-1]求公共后綴子串{--j;++k;suffix[k] = j+1;//相同后綴子串長度為k時，該子串在b[0,i]中的起始下標// (如果有多個相同長度的子串，被賦值覆蓋，存較大的)}if(j == -1)//查找到模式串的頭部了prefix[k] = true;//如果公共后綴子串也是模式串的前綴子串} }

計算滑動位數

• case1：
  
• case2：
  
• case3：（以上都不成立，移動整個模式串（長度m））
  

2.3 完整代碼

/*** @description: 字符匹配BM算法* @author: michael ming* @date: 2019/6/18 22:19* @modified by: */ #include <algorithm> #include <string> #include <iostream>using namespace std; #define SIZE 256 //字符集字符數 void generateBadChar(char *b, int m, int *badchar)//(模式串字符b，模式串長度m，模式串的哈希表) {int i, ascii;for(i = 0; i < SIZE; ++i){badchar[i] = -1;//哈希表初始化為-1}for(i = 0; i < m; ++i){ascii = int(b[i]); //計算字符的ASCII值badchar[ascii] = i;//重復字符被覆蓋，記錄的是最后出現的該字符的位置} } void generateGS(char *b, int m, int *suffix, bool *prefix)//預處理模式串，填充suffix，prefix {int i, j, k;for(i = 0; i < m; ++i)//兩個數組初始化{suffix[i] = -1;prefix[i] = false;}for(i = 0; i < m-1; ++i)//b[0,i]{j = i;k = 0;//公共后綴子串長度(模式串尾部取k個出來，分別比較)while(j >= 0 && b[j] == b[m-1-k])//與b[0,m-1]求公共后綴子串{--j;++k;suffix[k] = j+1;//相同后綴子串長度為k時，該子串在b[0,i]中的起始下標// (如果有多個相同長度的子串，被賦值覆蓋，存較大的)}if(j == -1)//查找到模式串的頭部了prefix[k] = true;//如果公共后綴子串也是模式串的前綴子串} } int moveByGS(int j, int m, int *suffix, bool *prefix)//傳入的j是壞字符對應的模式串中的字符下標 {int k = m - 1 - j;//好后綴長度if(suffix[k] != -1)//case1，找到跟好后綴一樣的模式子串（多個的話，存的靠后的那個（子串起始下標））return j - suffix[k] + 1;for(int r = j + 2; r < m; ++r)//case2{if(prefix[m-r] == true)//m-r是好后綴的子串的長度，如果這個好后綴的子串是模式串的前綴子串return r;//在上面沒有找到相同的好后綴下，移動r位，對齊前綴到好后綴}return m;//case3,都沒有匹配的，移動m位（模式串長度） } int str_bm(char *a, int n, char *b, int m)//a表示主串，長n; b表示模式串,長m {int *badchar = new int [SIZE];//記錄模式串中每個字符最后出現的位置generateBadChar(b,m,badchar); //構建壞字符哈希表int *suffix = new int [m];bool *prefix = new bool [m];generateGS(b, m, suffix, prefix); //預處理模式串，填充suffix，prefixint i = 0, j, moveLen1, moveLen2;//j表示主串與模式串匹配的第一個字符while(i < n-m+1){for(j = m -1; j >= 0; --j) //模式串從后往前匹配{if(a[i+j] != b[j])break; //壞字符對應模式串中的下標是j}if(j < 0) //匹配成功{delete [] badchar;delete [] suffix;delete [] prefix;return i; //返回主串與模式串第一個匹配的字符的位置}//這里等同于將模式串往后滑動 j-badchar[int(a[i+j])] 位moveLen1 = j - badchar[int(a[i+j])];//按照壞字符規則移動距離moveLen2 = 0;if(j < m-1)//如果有好后綴的話{moveLen2 = moveByGS(j,m,suffix,prefix);//按照好后綴規則移動距離}i = i + max(moveLen1,moveLen2);//取大的移動}delete [] badchar;delete [] suffix;delete [] prefix;return -1; }int main() {string a = "abcacabcbcbacabc", b = "cbacabc";cout << a << "中第一次出現" << b << "的位置(從0開始)是：" << str_bm(&a[0],a.size(),&b[0],b.size());return 0; }

2.4 調試

為方便調試，將字符集SIZE改為3，ascii = int(b[i]-'a')

• 壞字符在模式串中的位置（靠后的那個）
  badchar[0]：a是4
  badchar[1]：b是5
  badchar[2]：c是6
• 預處理模式串
  
• 按規則移動
  
  
  
  

3. 總結

• BM算法的內存消耗
  整個算法用到了額外的3個數組，其中bc數組的大小跟字符集大小有關，suffix數組和prefix數組的大小跟模式串長度m有關。
  如果處理字符集很大的字符串匹配問題，badchar數組對內存的消耗就會比較多。
  因為好后綴和壞字符規則是獨立的，如果運行的環境對內存要求苛刻，可以只使用好后綴規則，不使用壞字符規則，就可以避免badchar數組過多的內存消耗。不過，單純使用好后綴規則的BM算法效率就會下降一些了。
• 時間復雜度
  以上BM算法是個初級版本。這個版本，在極端情況下，預處理計算suffix數組、prefix數組的性能會比較差。
  比如模式串是aaaaaaa這種包含很多重復的字符的模式串，預處理的時間復雜度就是O（m^2）。如何優化這種極端情況下的時間復雜度退化，以后再找空研究。
  實際上，BM算法的時間復雜度分析起來是非常復雜，論文"A new proof of the linearity of the Boyer-Moore string searching algorithm"證明了在最壞情況下，BM算法的比較次數上限是5n。論文"Tight bounds on the complexity of the Boyer-
  Moore string matching algorithm"證明了在最壞情況下，BM算法的比較次數上限是3n。

---

• BM算法核心思想是，利用模式串本身的特點，在模式串中某個字符與主串不能匹配的時候，將模式串往后多滑動幾位，以此來減少不必要的字符比較，提高匹配的效率。
• BM算法構建的規則有兩類，壞字符規則和好后綴規則。
• 好后綴規則可以獨立于壞字符規則使用。
• 因為壞字符規則的實現比較耗內存，為了節省內存，我們可以只用好后綴規則來實現BM算法。

總結

以上是生活随笔為你收集整理的字符串匹配算法（BM）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。