每天写一点代码----字符串匹配算法 2 (BM算法)
来源:互联网 发布:易烊千玺英语知乎 编辑:程序博客网 时间:2024/06/04 18:03
作者: 阮一峰
上一篇文章介绍了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"不包含在搜索词之中,则上一次出现位置为 -1。
以"P"为例,它作为"坏字符",出现在搜索词的第6位(从0开始编号),在搜索词中的上一次出现位置为4,所以后移 6 - 4 = 2位。再以前面第二步的"S"为例,它出现在第6位,上一次出现位置是 -1(即未出现),则整个搜索词后移 6 - (-1) = 7位。
5.
依然从尾部开始比较,"E"与"E"匹配。
6.
比较前面一位,"LE"与"LE"匹配。
7.
比较前面一位,"PLE"与"PLE"匹配。
8.
比较前面一位,"MPLE"与"MPLE"匹配。我们把这种情况称为"好后缀"(good suffix),即所有尾部匹配的字符串。注意,"MPLE"、"PLE"、"LE"、"E"都是好后缀。
9.
比较前一位,发现"I"与"A"不匹配。所以,"I"是"坏字符"。
10.
根据"坏字符规则",此时搜索词应该后移 2 - (-1)= 3 位。问题是,此时有没有更好的移法?
11.
我们知道,此时存在"好后缀"。所以,可以采用"好后缀规则":
后移位数 = 好后缀的位置 - 搜索词中的上一次出现位置
举例来说,如果字符串"ABCDAB"的后一个"AB"是"好后缀"。那么它的位置是5(从0开始计算,取最后的"B"的值),在"搜索词中的上一次出现位置"是1(第一个"B"的位置),所以后移 5 - 1 = 4位,前一个"AB"移到后一个"AB"的位置。
再举一个例子,如果字符串"ABCDEF"的"EF"是好后缀,则"EF"的位置是5 ,上一次出现的位置是 -1(即未出现),所以后移 5 - (-1) = 6位,即整个字符串移到"F"的后一位。
这个规则有三个注意点:
(1)"好后缀"的位置以最后一个字符为准。假定"ABCDEF"的"EF"是好后缀,则它的位置以"F"为准,即5(从0开始计算)。
(2)如果"好后缀"在搜索词中只出现一次,则它的上一次出现位置为 -1。比如,"EF"在"ABCDEF"之中只出现一次,则它的上一次出现位置为-1(即未出现)。
(3)如果"好后缀"有多个,则除了最长的那个"好后缀",其他"好后缀"的上一次出现位置必须在头部。比如,假定"BABCDAB"的"好后缀"是"DAB"、"AB"、"B",请问这时"好后缀"的上一次出现位置是什么?回答是,此时采用的好后缀是"B",它的上一次出现位置是头部,即第0位。这个规则也可以这样表达:如果最长的那个"好后缀"只出现一次,则可以把搜索词改写成如下形式进行位置计算"(DA)BABCDAB",即虚拟加入最前面的"DA"。
回到上文的这个例子。此时,所有的"好后缀"(MPLE、PLE、LE、E)之中,只有"E"在"EXAMPLE"还出现在头部,所以后移 6 - 0 = 6位。
12.
可以看到,"坏字符规则"只能移3位,"好后缀规则"可以移6位。所以,Boyer-Moore算法的基本思想是,每次后移这两个规则之中的较大值。
更巧妙的是,这两个规则的移动位数,只与搜索词有关,与原字符串无关。因此,可以预先计算生成《坏字符规则表》和《好后缀规则表》。使用时,只要查表比较一下就可以了。
13.
继续从尾部开始比较,"P"与"E"不匹配,因此"P"是"坏字符"。根据"坏字符规则",后移 6 - 4 = 2位。
14.
从尾部开始逐位比较,发现全部匹配,于是搜索结束。如果还要继续查找(即找出全部匹配),则根据"好后缀规则",后移 6 - 0 = 6位,即头部的"E"移到尾部的"E"的位置。
(完)
文档信息
- 版权声明:自由转载-非商用-非衍生-保持署名 | Creative Commons BY-NC-ND 3.0
- 原文网址:http://www.ruanyifeng.com/blog/2013/05/boyer-moore_string_search_algorithm.html
- 最后修改时间:2013年10月 8日
日期: 2013年5月 3日
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"不包含在搜索词之中,则上一次出现位置为 -1。
以"P"为例,它作为"坏字符",出现在搜索词的第6位(从0开始编号),在搜索词中的上一次出现位置为4,所以后移 6 - 4 = 2位。再以前面第二步的"S"为例,它出现在第6位,上一次出现位置是 -1(即未出现),则整个搜索词后移 6 - (-1) = 7位。
5.
依然从尾部开始比较,"E"与"E"匹配。
6.
比较前面一位,"LE"与"LE"匹配。
7.
比较前面一位,"PLE"与"PLE"匹配。
8.
比较前面一位,"MPLE"与"MPLE"匹配。我们把这种情况称为"好后缀"(good suffix),即所有尾部匹配的字符串。注意,"MPLE"、"PLE"、"LE"、"E"都是好后缀。
9.
比较前一位,发现"I"与"A"不匹配。所以,"I"是"坏字符"。
10.
根据"坏字符规则",此时搜索词应该后移 2 - (-1)= 3 位。问题是,此时有没有更好的移法?
11.
我们知道,此时存在"好后缀"。所以,可以采用"好后缀规则":
后移位数 = 好后缀的位置 - 搜索词中的上一次出现位置
举例来说,如果字符串"ABCDAB"的后一个"AB"是"好后缀"。那么它的位置是5(从0开始计算,取最后的"B"的值),在"搜索词中的上一次出现位置"是1(第一个"B"的位置),所以后移 5 - 1 = 4位,前一个"AB"移到后一个"AB"的位置。
再举一个例子,如果字符串"ABCDEF"的"EF"是好后缀,则"EF"的位置是5 ,上一次出现的位置是 -1(即未出现),所以后移 5 - (-1) = 6位,即整个字符串移到"F"的后一位。
这个规则有三个注意点:
(1)"好后缀"的位置以最后一个字符为准。假定"ABCDEF"的"EF"是好后缀,则它的位置以"F"为准,即5(从0开始计算)。
(2)如果"好后缀"在搜索词中只出现一次,则它的上一次出现位置为 -1。比如,"EF"在"ABCDEF"之中只出现一次,则它的上一次出现位置为-1(即未出现)。
(3)如果"好后缀"有多个,则除了最长的那个"好后缀",其他"好后缀"的上一次出现位置必须在头部。比如,假定"BABCDAB"的"好后缀"是"DAB"、"AB"、"B",请问这时"好后缀"的上一次出现位置是什么?回答是,此时采用的好后缀是"B",它的上一次出现位置是头部,即第0位。这个规则也可以这样表达:如果最长的那个"好后缀"只出现一次,则可以把搜索词改写成如下形式进行位置计算"(DA)BABCDAB",即虚拟加入最前面的"DA"。
回到上文的这个例子。此时,所有的"好后缀"(MPLE、PLE、LE、E)之中,只有"E"在"EXAMPLE"还出现在头部,所以后移 6 - 0 = 6位。
12.
可以看到,"坏字符规则"只能移3位,"好后缀规则"可以移6位。所以,Boyer-Moore算法的基本思想是,每次后移这两个规则之中的较大值。
更巧妙的是,这两个规则的移动位数,只与搜索词有关,与原字符串无关。因此,可以预先计算生成《坏字符规则表》和《好后缀规则表》。使用时,只要查表比较一下就可以了。
13.
继续从尾部开始比较,"P"与"E"不匹配,因此"P"是"坏字符"。根据"坏字符规则",后移 6 - 4 = 2位。
14.
从尾部开始逐位比较,发现全部匹配,于是搜索结束。如果还要继续查找(即找出全部匹配),则根据"好后缀规则",后移 6 - 0 = 6位,即头部的"E"移到尾部的"E"的位置。
(完)
文档信息
- 版权声明:自由转载-非商用-非衍生-保持署名 | Creative Commons BY-NC-ND 3.0
- 原文网址:http://www.ruanyifeng.com/blog/2013/05/boyer-moore_string_search_algorithm.html
- 最后修改时间:2013年10月 8日 17:12
=====================华丽的分割线======================
该算法的Java实现:
/** * 模式匹配的BM( Boyer-Moore)算法 * * @author likebamboo * @create 2013-10-16 * @see http ://www.ruanyifeng.com/blog/2013/05/boyer-moore_string_search_algorithm.html , * http://blog.chinaunix.net/uid-24774106-id-2901288.html */public class BM { /** * 支持中文匹配 */ private static final int CHAR_MAX = 65535; /** * 计算坏字符 * * @param pattern */ private int[] badChar(String pattern) { int[] bad = new int[CHAR_MAX]; for (int i = 0; i < CHAR_MAX; i++) { bad[i] = pattern.length(); } for (int i = 0; i < pattern.length(); i++) { bad[pattern.charAt(i)] = i; } return bad; } /** * 计算后缀 ,suffix数组的定义:suffix[i] = 以i为边界, 与模式串后缀匹配的最大长度 * * @param pattern */ private int[] suffix(String pattern) { int[] suffix = new int[pattern.length()]; suffix[pattern.length() - 1] = pattern.length(); for (int i = pattern.length() - 2; i >= 0; i--) { int k = i, j = pattern.length() - 1, result = 0; while (pattern.charAt(k--) == pattern.charAt(j--) && k > 0) { result++; } suffix[i] = result; } return suffix; } /** * 计算好的后缀 * * @param pattern * @return */ private int[] goodSuffix(String pattern) { int[] goodSuffix = new int[pattern.length()]; int[] suffix = new int[pattern.length()]; suffix = suffix(pattern); for (int i = 0; i < pattern.length(); i++) { goodSuffix[i] = pattern.length(); } int j = 0; /* 最前和最后的i+1个字符一致 */ for (int i = pattern.length() - 1; i >= 0; i--) { if (suffix[i] == i + 1) { /* consider the pattern "ABCDMNPABCD" */ for (; j < pattern.length() - 1 - i; j++) { // consider the pattern BBBBMNPBBBB if (goodSuffix[j] == pattern.length()) { goodSuffix[j] = pattern.length() - 1 - i; } } } } // 处理普通好后缀,既是好后缀长度为(patternLen - 坏字符处) for (int i = 0; i < pattern.length() - 1; i++) { goodSuffix[pattern.length() - 1 - suffix[i]] = pattern.length() - 1 - i; } return goodSuffix; } /** * BM算法 * * @param text * @param pattern * @return */ private int pattern(String text, String pattern) { int i = 0, j = 0; int badSuffix[] = new int[CHAR_MAX]; int find = 0; int move; int[] goodSuffix = new int[pattern.length()]; badSuffix = badChar(pattern); goodSuffix = goodSuffix(pattern); while (j <= text.length() - pattern.length()) { for (i = pattern.length() - 1; i >= 0 && pattern.charAt(i) == text.charAt(j + i); i--) { } if (i < 0) { // FindThePattern(text, pattern, j); System.out.println("find a match at index :" + j); j += goodSuffix[0]; find++; } else { if (i - badSuffix[text.charAt(j + i)] > 0) { move = i - badSuffix[text.charAt(j + i)]; } else { move = 1; // 不走回头路 } move = i - badSuffix[text.charAt(j + i)]; j += Math.max(goodSuffix[i], move); } } return find; } public static void main(String[] args) { String text = "eeeABDCGGDSGDSGSOLJDSJG:SDGJABDCJPOGJSPOGJPSDGABDCJDPSO GDSPG DABDCeee"; String pattern = "ABDC"; BM test = new BM(); System.out.println("find " + test.pattern(text, pattern) + " match"); }}
- 每天写一点代码----字符串匹配算法 2 (BM算法)
- 每天写一点代码----字符串匹配1(KMP算法)
- BM字符串匹配算法
- BM字符串匹配算法
- 字符串匹配-BM算法
- BM字符串匹配算法
- BM字符串匹配算法
- BM字符串匹配算法
- 字符串匹配的BM算法讲解(不含代码)
- BM算法 字符串匹配算法
- 字符串匹配算法(KMP, BM, Sunday)
- 字符串匹配之BM算法
- 字符串匹配之BM算法
- 字符串匹配 — BM算法
- 字符串匹配之BM算法
- BM字符串匹配算法解析
- BM字符串匹配算法笔记
- BM算法(更好的字符串匹配算法)
- Linux shell编程 7 ---- 变量和引用
- codeforce 356 A. Knight Tournament(线段树覆盖,3级)
- java 调用dll之JNative(2)
- C++字符串处理盘点:Char*/String/StringBuilder/TextPool/Rope
- Ckeditor+Ckfinder+Ext4 整合
- 每天写一点代码----字符串匹配算法 2 (BM算法)
- xStream完美转换XML、JSON
- 第九周项目5-求一元二次方程的根
- delphi fastreport4.5 的使用
- 数据库返回datatable和数据访问条件聚合函数分组输出数据
- codeforce 365 C. Compartments(gready,4级)
- 字符串匹配
- jquery表格美化
- Command模式