如何理解字符串匹配的Boyer-Moore算法

這篇文章給大家介紹如何理解字符串匹配的Boyer-Moore算法，內(nèi)容非常詳細(xì)，感興趣的小伙伴們可以參考借鑒，希望對(duì)大家能有所幫助。

之前我介紹了KMP算法。

但是，它并不是效率***的算法，實(shí)際采用并不多。各種文本編輯器的"查找"功能（Ctrl+F），大多采用Boyer-Moore算法。

Boyer-Moore算法不僅效率高，而且構(gòu)思巧妙，容易理解。1977年，德克薩斯大學(xué)的Robert S. Boyer教授和J Strother Moore教授發(fā)明了這種算法。

下面，我根據(jù)Moore教授自己的例子來(lái)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(duì)齊，從尾部開(kāi)始比較。

這是一個(gè)很聰明的想法，因?yàn)槿绻膊孔址黄ヅ洌敲粗灰淮伪容^，就可以知道前7個(gè)字符（整體上）肯定不是要找的結(jié)果。

我們看到，"S"與"E"不匹配。這時(shí)，"S"就被稱為"壞字符"（bad character），即不匹配的字符。我們還發(fā)現(xiàn)，"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"的后一位。

3.

依然從尾部開(kāi)始比較，發(fā)現(xiàn)"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，將搜索詞后移兩位，兩個(gè)"P"對(duì)齊。

4.

我們由此總結(jié)出"壞字符規(guī)則"：

后移位數(shù) = 壞字符的位置 - 搜索詞中的上一次出現(xiàn)位置

如果"壞字符"不包含在搜索詞之中，則上一次出現(xiàn)位置為 -1。

以"P"為例，它作為"壞字符"，出現(xiàn)在搜索詞的第6位（從0開(kāi)始編號(hào)），在搜索詞中的上一次出現(xiàn)位置為4，所以后移 6 - 4 = 2位。再以前面第二步的"S"為例，它出現(xiàn)在第6位，上一次出現(xiàn)位置是 -1（即未出現(xiàn)），則整個(gè)搜索詞后移 6 - (-1) = 7位。

5.

依然從尾部開(kāi)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"好后綴"（good suffix），即所有尾部匹配的字符串。注意，"MPLE"、"PLE"、"LE"、"E"都是好后綴。

9.

比較前一位，發(fā)現(xiàn)"I"與"A"不匹配。所以，"I"是"壞字符"。

10.

根據(jù)"壞字符規(guī)則"，此時(shí)搜索詞應(yīng)該后移 2 - （-1）= 3 位。問(wèn)題是，此時(shí)有沒(méi)有更好的移法？

11.

我們知道，此時(shí)存在"好后綴"。所以，可以采用"好后綴規(guī)則"：

后移位數(shù) = 好后綴的位置 - 搜索詞中的上一次出現(xiàn)位置

舉例來(lái)說(shuō)，如果字符串"ABCDAB"的后一個(gè)"AB"是"好后綴"。那么它的位置是5（從0開(kāi)始計(jì)算，取***的"B"的值），在"搜索詞中的上一次出現(xiàn)位置"是1（***個(gè)"B"的位置），所以后移 5 - 1 = 4位，前一個(gè)"AB"移到后一個(gè)"AB"的位置。

再舉一個(gè)例子，如果字符串"ABCDEF"的"EF"是好后綴，則"EF"的位置是5 ，上一次出現(xiàn)的位置是 -1（即未出現(xiàn)），所以后移 5 - (-1) = 6位，即整個(gè)字符串移到"F"的后一位。

這個(gè)規(guī)則有三個(gè)注意點(diǎn)：

（1）"好后綴"的位置以***一個(gè)字符為準(zhǔn)。假定"ABCDEF"的"EF"是好后綴，則它的位置以"F"為準(zhǔn)，即5（從0開(kāi)始計(jì)算）。

（2）如果"好后綴"在搜索詞中只出現(xiàn)一次，則它的上一次出現(xiàn)位置為 -1。比如，"EF"在"ABCDEF"之中只出現(xiàn)一次，則它的上一次出現(xiàn)位置為-1（即未出現(xiàn)）。

（3）如果"好后綴"有多個(gè)，則除了最長(zhǎng)的那個(gè)"好后綴"，其他"好后綴"的上一次出現(xiàn)位置必須在頭部。比如，假定"BABCDAB"的"好后綴"是"DAB"、"AB"、"B"，請(qǐng)問(wèn)這時(shí)"好后綴"的上一次出現(xiàn)位置是什么？回答是，此時(shí)采用的好后綴是"B"，它的上一次出現(xiàn)位置是頭部，即第0 位。這個(gè)規(guī)則也可以這樣表達(dá)：如果最長(zhǎng)的那個(gè)"好后綴"只出現(xiàn)一次，則可以把搜索詞改寫(xiě)成如下形式進(jìn)行位置計(jì)算"(DA)BABCDAB"，即虛擬加入最前面的"DA"。

回到上文的這個(gè)例子。此時(shí)，所有的"好后綴"（MPLE、PLE、LE、E）之中，只有"E"在"EXAMPLE"還出現(xiàn)在頭部，所以后移 6 - 0 = 6位。

12.

可以看到，"壞字符規(guī)則"只能移3位，"好后綴規(guī)則"可以移6位。所以，Boyer-Moore算法的基本思想是，每次后移這兩個(gè)規(guī)則之中的較大值。

更巧妙的是，這兩個(gè)規(guī)則的移動(dòng)位數(shù)，只與搜索詞有關(guān)，與原字符串無(wú)關(guān)。因此，可以預(yù)先計(jì)算生成《壞字符規(guī)則表》和《好后綴規(guī)則表》。使用時(shí)，只要查表比較一下就可以了。

13.

繼續(xù)從尾部開(kāi)始比較，"P"與"E"不匹配，因此"P"是"壞字符"。根據(jù)"壞字符規(guī)則"，后移 6 - 4 = 2位。

14.

從尾部開(kāi)始逐位比較，發(fā)現(xiàn)全部匹配，于是搜索結(jié)束。如果還要繼續(xù)查找（即找出全部匹配），則根據(jù)"好后綴規(guī)則"，后移 6 - 0 = 6位，即頭部的"E"移到尾部的"E"的位置。

關(guān)于如何理解字符串匹配的Boyer-Moore算法就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到。