Boost算法库——搜索算法（Boyer-Moore-Horspool Search）

一、概论

头文件“boyer_moore_horspool.hpp”包含用于搜索值序列的Boyer-Moore-Horspool算法的实现。

Boyer-Moore-Horspool搜索算法在1980年由Nigel Horspool发表。它是对时间交易空间的Boyer-Moore算法的改进。 内部表比Boyer-Moore使用的空间更小，而且性能较差。

Boyer-Moore-Horspool算法不能与std :: search等比较谓词一起使用。

二、接口

命名：我将所搜索的序列称为“模式”，将序列作为“语料库”进行搜索。

为了灵活性，Boyer-Moore-Horspool算法具有两个接口; 一个基于对象的接口和一个程序接口。 基于对象的接口在构造函数中构建表，并使用operator（）来执行搜索。 程序接口构建表，并在一个步骤中进行搜索。 如果您要在多个语料库中搜索相同的模式，那么您应该使用对象接口，并且只能构建一次表。

这里是对象接口：

template <typename patIter>class boyer_moore_horspool {public:    boyer_moore_horspool ( patIter first, patIter last );    ~boyer_moore_horspool ();    template <typename corpusIter>    pair<corpusIter, corpusIter> operator () ( corpusIter corpus_first, corpusIter corpus_last );    };

这里是相应的程序接口：

template <typename patIter, typename corpusIter>pair<corpusIter, corpusIter> boyer_moore_horspool_search (        corpusIter corpus_first, corpusIter corpus_last,        patIter pat_first, patIter pat_last );

每个函数都能传递两对迭代器。 前一个定义语料库，第二个定义语料库。 请注意，两对不需要是相同的类型，但是它们确实需要以相同的类型“点”。 换句话说，patIter :: value_type和curpusIter :: value_type需要是相同的类型。

函数的返回值是指向语料库中模式位置的一对迭代器。 如果模式为空，则在语料库开头的空白范围返回（corpus_first，corpus_first）。 如果没有找到模式，它将返回到语料库末尾的空白范围（corpus_last，corpus_last）。

三、兼容性说明

此搜索器的早期版本只返回一个迭代器。 如https://cplusplusmusings.wordpress.com/2016/02/01/sometimes-you-get-things-wrong/中所述，这是一个次优的界面选择，并从1.62.0版本开始更改。 期望单个迭代器返回值的旧代码可以通过用对的.first字段替换搜索者的operator（）的返回值来更新。

代替：

iterator foo = searcher(a, b);

你现在应该写成：

iterator foo = searcher(a, b).first;

四、性能

Boyer-Moore-Horspool算法的执行时间在被搜索的字符串的大小上是线性的; 它可以具有比许多其他搜索算法明显更低的常数因子：它不需要检查要搜索的字符串的每个字符，而是跳过其中一些。 通常，随着正在搜索的模式变得更长，算法变得更快。 它的效率源于这样一个事实：每次尝试找到搜索字符串和正在搜索的文本之间的匹配尝试时，它使用从该尝试中获得的信息排除尽可能多的文本位置，其中字符串不匹配。

五、内存使用

该算法是一个内部表，其中有一个条目，用于模式中“字母表”的每个成员。 对于（8位）字符类型，此表包含256个条目。

六、复杂度

最差情况下的性能是O（m x n），其中m是模式的长度，n是语料库的长度。 平均时间为O（n）。 最好的情况是子线性，实际上与Boyer-Moore相同，但初始化更快，内部循环比Boyer-Moore简单。

七、异常安全

Boyer-Moore-Horspool算法的面向对象和过程版本都以值为参数，不使用传入的信息，因此两个接口提供了强大的异常保证。

八、注意

1、当使用基于对象的接口时，模式在搜索期间必须保持不变; 即从对象构建到对operator（）的最后调用返回的时间。

2、Boyer-Moore-Horspool算法需要模式和语料库的随机访问迭代器。

九、定制点

Boyer-Moore-Horspool对象采用traits模板参数，该参数使呼叫者能够自定义预计算表的存储方式。 称为跳过表的此表包含（逻辑地）一个条目，用于模式可以包含的每个可能的值。 当搜索8位字符数据时，该表包含256个元素。 traits类定义要使用的表。

默认的traits类对于小的“alphabets”使用了boost :: array，对于较大的字符串使用了tr1 :: unordered_map。 基于阵列的跳过表提供了出色的性能，但是当要搜索的元素的“字母表”增长时，可能会非常大。 基于unordered_map的版本只增加了模式中唯一元素的数量，但是增加了更多的堆分配，并且缓慢的查找性能。

要使用不同的跳过表，您应该定义自己的跳过表对象和您自己的traits类，并使用它们实例化Boyer-Moore-Horspool对象。 这些对象的界面被描述为TBD。