几种字符串匹配算法性能简单实验对比

做了一个很粗糙的实验，比较了几种字符串匹配算法的性能。程序用-O3进行编译优化。以下为待查找的文本长度为434018字节，模式串长度为4时的典型实验结果。可以看到，horspool算法最快，表现最差的为KMP系的shift_and算法（实验结果与《柔性字符串匹配》一书中的结果一致）。以下为horspool，shift_and和BNDM算法的实验源码：

strstr（C库函数）　time:743　微秒
horspool: 　　time:642　微秒
shift_and: 　　time:1465　微秒
BNDM: 　　time:721　微秒

 

// horspool算法：计算模式串pat在文本txt中出现的次数

int horspool(const char *txt,const char *pat)
...{
    short d[256]; 
    short m = strlen(pat); /**//**< m is the length of pat */
    // preprocessing
    for(unsigned short c = 0; c < 256; c++)
        d[c] = m;
    for(short i = 0; i < m-1; i++)...{
        d[(unsigned char)pat[i]] = m - i - 1;
    }       
    // searching
    const char *p = txt;          /**//**< current pointer */
    const char *t = txt + strlen(txt) - m;
    int cnt = 0;          /**//**< the exist times of pat in txt */
    int jj = m-1;
    while(p <= t)...{
        int j = jj; 
        while(j >= 0 && pat[j] == p[j])
            j--;    
        if(j == -1)
            cnt++; 
        p += d[(unsigned char)p[m-1]];
    }
    return cnt;
}

 

// Shift_And算法：计算模式串pat在文本txt中出现的次数

int shift_and(const char *txt, const char *pat)
...{
    long b[256]; 
    int m = strlen(pat);
    for(int i = 0; i < 256; i++)
        b[i] = 0;
    for(int i = 0; i < m; i++)
        b[(unsigned char)pat[i]] |= (0x1 << i);
    int cnt = 0;
    long d = 0;
    const char *s = txt;
    const char *end = txt + strlen(txt);
    long mask = 0x1<<m-1;
    while(s < end)...{
        d = ((d<<1) | 0x1) & b[(unsigned char)*s];
        if(d & mask)
            cnt ++;
        s++;
    }
    return cnt;
}

 

// BNDM算法：计算模式串pat在文本txt中出现的次数

int BNDM(const char *txt, const char *pat)
...{
    long b[256];
    int m = strlen(pat);
    for(int i = 0; i < 256; i++)
        b[i] = 0;
    for(int i = 0; i < m; i++)
        b[(unsigned char)pat[i]] |= (0x1 << (m-i-1));
    const char *limit = txt + strlen(txt) - m;
    const char *s = txt;
    int cnt = 0;
    long mask = 0x1 << (m-1);
    while(s <= limit)...{
        int j = m-1;
        int last = m-1;
        long d = -1;
        while(d != 0)...{
            d &= b[(unsigned char)s[j]];
            j--;
            if(d & mask)...{
                if(j >= 0)
                    last = j;
                else
                    cnt++;
            }
            d <<= 1;
        }
        s += last+1;
    }
    return cnt;
}