字符串匹配的 Boyer-Moore 算法
上一篇文章,我介紹了 字符串匹配的KMP算法
但是,它並不是效率最高的算法,實際采用並不多。各種文本編輯器的” 查找” 功能(Ctrl+F),大多采用 Boyer-Moore 算法。
下面,我根據 Moore 教授自己的例子來解釋這種算法。
1.
假定字符串為”HERE IS A SIMPLE EXAMPLE”,搜索詞為”EXAMPLE”。
2.
首先,” 字符串” 與” 搜索詞” 頭部對齊,從尾部開始比較。
這是一個很聰明的想法,因為如果尾部字符不匹配,那麽只要一次比較,就可以知道前 7 個字符肯定不是要找的結果。
我們看到,”S” 與”E” 不匹配。這時,“S” 就被稱為” 壞字符”(bad character),即不匹配的字符。我們還發現,”S” 不包含在搜索詞”EXAMPLE” 之中,這意味著可以把搜索詞直接移到”S” 的後一位。
3.
依然從尾部開始比較,發現”P” 與”E” 不匹配,所以”P” 是” 壞字符”。但是,”P” 包含在搜索詞”EXAMPLE” 之中。所以,將搜索詞後移兩位,兩個”P” 對齊。
4.
我們由此總結出 “壞字符規則”:
後移位數 = 壞字符的位置 – 搜索詞中的上一次出現位置
如果” 壞字符” 不包含在搜索詞之中,則上一次出現位置為 -1。
以”P” 為例,它作為” 壞字符”,出現在搜索詞的第 6 位(從 0 開始編號),在搜索詞中的上一次出現位置為 4,所以後移 6 – 4 = 2 位。再以前面第二步的”S” 為例,它出現在第 6 位,上一次出現位置是 -1(即未出現),則整個搜索詞後移 6 – (-1) = 7 位。
5.
依然從尾部開始比較,”E” 與”E” 匹配。
6.
比較前面一位,”LE” 與”LE” 匹配。
7.
比較前面一位,”PLE” 與”PLE” 匹配。
8.
比較前面一位,”MPLE” 與”MPLE” 匹配。我們把這種情況稱為” 好後綴”(good suffix),即所有尾部匹配的字符串。註意,”MPLE”、”PLE”、”LE”、”E” 都是好後綴。
9.
比較前一位,發現”I” 與”A” 不匹配。所以,”I” 是” 壞字符”。
10.
根據” 壞字符規則”,此時搜索詞應該後移 2 – (-1)= 3 位。問題是,此時有沒有更好的移法?
11.
我們知道,此時存在”好後綴”。所以,可以采用 “好後綴規則”:
後移位數 = 好後綴的位置 – 搜索詞中的上一次出現位置
計算時,位置的取值以” 好後綴” 的最後一個字符為準。如果” 好後綴” 在搜索詞中沒有重復出現,則它的上一次出現位置為 -1。
所有的” 好後綴”(MPLE、PLE、LE、E)之中,只有”E” 在”EXAMPLE” 之中出現兩次,所以後移 6 – 0 = 6 位。
12.
可以看到,” 壞字符規則” 只能移 3 位,” 好後綴規則” 可以移 6 位。所以,Boyer-Moore 算法的基本思想是,每次後移這兩個規則之中的較大值。
更巧妙的是,這兩個規則的移動位數,只與搜索詞有關,與原字符串無關。因此,可以預先計算生成《壞字符規則表》和《好後綴規則表》。使用時,只要查表比較一下就可以了。
13.
繼續從尾部開始比較,”P” 與”E” 不匹配,因此”P” 是” 壞字符”。根據” 壞字符規則”,後移 6 – 4 = 2 位。
14.
從尾部開始逐位比較,發現全部匹配,於是搜索結束。如果還要繼續查找(即找出全部匹配),則根據” 好後綴規則”,後移 6 – 0 = 6 位,即頭部的”E” 移到尾部的”E” 的位置。
字符串匹配的 Boyer-Moore 算法