字符串查找算法中,最著名的两个是KMP算法(Knuth-Morris-Pratt)和BM算法(Boyer-Moore)。两个算法在最坏情况下均具有线性的查找时间。但是在实用上,KMP算法并不比最简单的c库函数strstr()快多少,而BM算法则往往比KMP算法快上3-5倍。但是BM算法还不是最快的算法,这里介绍一种比BM算法更快一些的查找算法。
例如我们要在"substring
searching algorithm"查找"search",刚开始时,把子串与文本左边对齐,
substring searching algorithm |
结果在第二个字符处发现不匹配,于是要把子串往后移动。但是该移动多少呢?这就是各种算法各显神通的地方了,最简单的做法是移动一个字符位置;KMP是利用已经匹配部分的信息来移动;BM算法是做反向比较,并根据已经匹配的部分来确定移动量。这里要介绍的方法是看紧跟在当前子串之后的那个字符(上图中的'i')。
显然,不管移动多少,这个字符是肯定要参加下一步的比较的,也就是说,如果下一步匹配到了,这个字符必须在子串内。所以,可以移动子串,使子串中的最右边的这个字符与它对齐。现在子串'search'中并不存在'i',则说明可以直接跳过一大片,从'i'之后的那个字符(即‘n’)开始作下一步的比较,如下图:
substring searching algorithm |
比较的结果,第一个字符就不匹配,再看子串后面的那个字符,是'r',它在子串中出现在倒数第三位,于是把子串向前移动三位,使两个'r'对齐,如下:
substring searching algorithm
search
哈!这次匹配成功了!回顾整个过程,我们只移动了两次子串就找到了匹配位置,是不是很神啊?!可以证明,用这个算法,每一步的移动量都比BM算法要大,所以肯定比BM算法更快。
下面是这个算法的c代码。注意我假设了每个字符的值都介于0-127之间(即纯ascii码)。
1 #ifndef SUNDAY_H 2 #define SUNDAY_H 3 4 /******************************************************** 5 Sunday算法: 6 假设源字符串为src,匹配串为pattern。 7 如果src的某字符不匹配: 8 (1)该字符在pattern中,且在pattern中最右边的位置为n。那么 9 下次匹配直接移动pattern使得n的位置和该字符的位置对应的地方。 10 (2)该字符不在pattern中,显然没有比较的意义,则直接跳过去, 11 将pattern的头部移到与该字符下一个字符对应的位置。 12 *********************************************************/ 13 14 #include <string.h> 15 #include <stdio.h> 16 17 // 假设出现的字符都是0~127范围内的,即都是ascii字符 18 char *sunday(const char *src, char *pattern) { 19 if (NULL == src) 20 return NULL; 21 if (NULL == pattern) 22 return (char *)src; 23 24 int len1, len2, shift[128]; 25 26 len1 = strlen(src); 27 len2 = strlen(pattern); 28 29 // construct shitf table 30 for (int i = 0; i < 128; i++) 31 shift[i] = len2 + 1; // 默认是移动len2+1,即直接跳过 32 33 // adjust shift table 34 const char *p; 35 for (p = pattern; *p; p++) 36 shift[*p] = len2 - (p - pattern); // p-pattern为字符相对于第一个元素的偏移量,len2-(p-pattern)则表示从右往左数的偏移量,即要移动的步数 37 38 const char *s, *pSrc = src; 39 // start search 40 while (pSrc + len2 <= src + len1) { // 如果pSrc + len2不越界(若越界,则说明src剩余未匹配的字符数量小于pattern的长度,则肯定不会匹配成功) 41 for (p = pattern, s = pSrc; *p; ++p, ++s) 42 if (*p != *s) // mistach 43 break;// break内循环 44 45 if ('\0' == *p) // found it! 46 return (char *)pSrc; 47 48 pSrc += shift[pSrc[len2]]; // pSrc[len2]取出下一个需要匹配的字符,shift[pSrc[len2]]取出该字符需要让指针移动多少步 49 } 50 51 return NULL; 52 } 53 54 #endif
下面是main:
1 #include "Sunday.h" 2 3 int main() { 4 char *src = "123456789", *patt = "234"; 5 char *ret = sunday(src, patt); 6 7 printf("%s\n", ret); 8 9 return 0; 10 }
代码最后:pSrc += shift[pSrc[len2]];这里。
举个例子来理解下,比如:
123456789
237
那么4和7不匹配,len2就表示'5'这个位置,所以pSrc[len2]表示取出'5'这个字符。
所以pSrc下次就移动到'5'这个位置重新开始匹配了。
ref:http://operatingfocus.bokee.com/3557609.html