Horsepool演算法是Boyer-Moore演算法的簡化版本，這也是一個空間換時間的典型例子。演算法把模式P和文字T的開頭字元對齊，從模式的最後一個字元開始比較，如果嘗試比較失敗了，它把模式向後移。每次嘗試過程中比較是從右到左的。

假設文字中，對齊模式最後一個字元的元素是c,Horspool演算法根據c的不同情況來確定移動距離，無論c是否和模式的最後一個字元相匹配。

一般來說，會存在下面四種情況。

情況1：看第一行，模式中不存在c（此時c就是字母A），模式的移動長度就是它的全部長度，移到第二行所示的位置。

情況2：看第二行，c（此時c就是字元O）正好是模式的最後一個字元，但是從右向左比較時，有字元不匹配，比如此時的A

情況3：看第一行，模式中存在c（此時c就是字元L），但是它不是模式的最後一個字元，移動時應該把模式中最右邊的c和文字中的c對齊，移到第二行所示的位置。
情況4：看第二行，c（此時c就是字元O）正好是模式的最後一個字元，但是從右向左比較時，有字元不匹配，比如此時的A和E不匹配。而此時模式中的其他m-1個字元包含c。移動的情況類似情況3，移動時應該把前m-1個字元中最右邊的c和文字中的c對齊，移到第三行所示的位置。

這說明，比起蠻力演算法每次總是移動一個位置，從右到左的字元比較使模式模式移動得更遠。然而，如果在每次嘗試時都必須檢查模式中的每個字元，它的優勢也會喪失殆盡。我們可以預先算出遇到某個字元要移動的距離，並把它存在一個表中。具體來說，對於每一個字元c，可以通過以下公式算出移動距離：

如對於模式BARBER，移動距離如下表所示：

c++實現

int Horspool(vector<char> & T,vector<char> & P)
{
    int n = T.size();
    int m = P.size();   
    vector
 
<int> table(96,m);//以字母表中可列印字元為索引的陣列

    for(int i = 0;i < m - 1;i++)
    {
        table[P[i] - 32] = m - 1 - i;//模式串中每個字元的移動距離，從左至右掃描模式，相同字元的最後一次改寫恰好是該字元在模式串的最右邊
    }

    int i = m - 1;
    while(i <= n - 1)
    {
        int k = 0;
        while(k <= m - 1 && P[m - 1 - k] == T[i - k])
            k++;

        if(k == m)
            return i - m + 1;//匹配成功，返回索引
        else
            i += table[T[i] - 32];//模式串向右移動
    }

    return -1;//匹配失敗
}