java实现字符串匹配之Boyer-Moore算法

前言

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，各种文本编辑器的"查找"功能（Ctrl+F），大多采用此算法。

原理

我们使用暴力解法时，是一位一位的向后移动。

当我们遇到上图这种情况，子串最后一个字符E和S不匹配，且S不在待查找子串中，我们就可以直接后移7位，移动到S的下一位。Boyer-Moore算法本质上就是找到如何更快的向后移动的规律。
BM 算法主要包括两部分，坏字符规则和好后缀规则。

字符P和E不匹配，P为坏字符，但P包含在EXAMPLE中，所以后移2位

总结得到坏字符规则：

后移位数 = 坏字符的位置 - 搜索词中的上一次出现位置

如果坏字符不包含在搜索词中，上一次出现位置为-1.

/**
 * Boyer-Moore算法，仅支持ASCII码，算法中仅使用了坏字符规则，没有使用好后缀规则
 */
public class BoyerMooreStringMatcher implements StringMatcher {


  @Override
  public int indexOf(String source, String target) {
    int targetLen = target.length();
    int sourceLen = source.length();

    if (targetLen == 0) {
      return 0;
    }
    if (sourceLen < targetLen) {
      return -1;
    }
    return indexOf(source.toCharArray(), target.toCharArray());
  }

  private int indexOf(char[] text, char[] pattern) {
    if (pattern.length == 0) {
      return 0;
    }
    int[] charTable = makeCharTable(pattern);
    for (int i = 0, j; i < text.length - pattern.length + 1; ) {
      for (j = pattern.length - 1; pattern[j] == text[i + j]; j--) {
        if (j == 0) {
          return i;
        }
      }
      //坏字符规则得到的后移位数可能为负数，所以要和1比较
      i += Math.max(1, j - charTable[text[i + j]]); //仅使用坏字符规则
    }
    return -1;
  }

  /**
   * 创建搜索词的哈希表，键为字符的ASCII码值，值为下标
   **/
  private int[] makeCharTable(char[] pattern) {
    final int ALPHABET_SIZE = 256;
    int[] table = new int[ALPHABET_SIZE];
    for (int i = 0; i < table.length; ++i) {
      table[i] = -1;
    }
    for (int i = 0; i < pattern.length - 1; ++i) {
      table[pattern[i]] = i;
    }
    return table;
  }
  
}

关于好后缀规则，请看 字符串匹配的Boyer-Moore算法 这篇博客。

参考

字符串匹配的Boyer-Moore算法
Boyer Moore Algorithm for Pattern Searching
Boyer Moore Algorithm | Good Suffix heuristic
github开源实现