字符串查找算法中,最著名的两个是KMP算法(Knuth-Morris-Pratt)和BM算法(Boyer-Moore)。两个算法在最坏情况下均具有线性的查找时间。但是在实用上,KMP算法并不比最简单的c库函数strstr()快多少,而BM算法则往往比KMP算法快上3-5倍。但是BM算法还不是最快的算法,这里介绍一种比BM算法更快一些的查找算法。
例如我们要在"substring
searching algorithm"查找"search",刚开始时,把子串与文本左边对齐,
substring searching algorithm |
结果在第二个字符处发现不匹配,于是要把子串往后移动。但是该移动多少呢?这就是各种算法各显神通的地方了,最简单的做法是移动一个字符位置;KMP是利用已经匹配部分的信息来移动;BM算法是做反向比较,并根据已经匹配的部分来确定移动量。这里要介绍的方法是看紧跟在当前子串之后的那个字符(上图中的'i')。
显然,不管移动多少,这个字符是肯定要参加下一步的比较的,也就是说,如果下一步匹配到了,这个字符必须在子串内。所以,可以移动子串,使子串中的最右边的这个字符与它对齐。现在子串'search'中并不存在'i',则说明可以直接跳过一大片,从'i'之后的那个字符(即‘n’)开始作下一步的比较,如下图:
substring searching algorithm |
比较的结果,第一个字符就不匹配,再看子串后面的那个字符,是'r',它在子串中出现在倒数第三位,于是把子串向前移动三位,使两个'r'对齐,如下:
substring searching algorithm
search
哈!这次匹配成功了!回顾整个过程,我们只移动了两次子串就找到了匹配位置,是不是很神啊?!可以证明,用这个算法,每一步的移动量都比BM算法要大,所以肯定比BM算法更快。
下面是这个算法的c代码。注意我假设了每个字符的值都介于0-127之间(即纯ascii码)。
#ifndef SUNDAY_H
#define SUNDAY_H /********************************************************
Sunday算法:
假设源字符串为src,匹配串为pattern。
如果src的某字符不匹配:
(1)该字符在pattern中,且在pattern中最右边的位置为n。那么
下次匹配直接移动pattern使得n的位置和该字符的位置对应的地方。
(2)该字符不在pattern中,显然没有比较的意义,则直接跳过去,
将pattern的头部移到与该字符下一个字符对应的位置。
*********************************************************/ #include <string.h>
#include <stdio.h> // 假设出现的字符都是0~127范围内的,即都是ascii字符
char *sunday(const char *src, char *pattern) {
if (NULL == src)
return NULL;
if (NULL == pattern)
return (char *)src; int len1, len2, shift[]; len1 = strlen(src);
len2 = strlen(pattern); // construct shitf table
for (int i = ; i < ; i++)
shift[i] = len2 + ; // 默认是移动len2+1,即直接跳过 // adjust shift table
const char *p;
for (p = pattern; *p; p++)
shift[*p] = len2 - (p - pattern); // p-pattern为字符相对于第一个元素的偏移量,len2-(p-pattern)则表示从右往左数的偏移量,即要移动的步数 const char *s, *pSrc = src;
// start search
while (pSrc + len2 <= src + len1) { // 如果pSrc + len2不越界(若越界,则说明src剩余未匹配的字符数量小于pattern的长度,则肯定不会匹配成功)
for (p = pattern, s = pSrc; *p; ++p, ++s)
if (*p != *s) // mistach
break;// break内循环 if ('\0' == *p) // found it!
return (char *)pSrc; pSrc += shift[pSrc[len2]]; // pSrc[len2]取出下一个需要匹配的字符,shift[pSrc[len2]]取出该字符需要让指针移动多少步
} return NULL;
} #endif
下面是main:
#include "Sunday.h" int main() {
char *src = "", *patt = "";
char *ret = sunday(src, patt); printf("%s\n", ret); return ;
}
代码最后:pSrc += shift[pSrc[len2]];这里。
举个例子来理解下,比如:
123456789
237
那么4和7不匹配,len2就表示'5'这个位置,所以pSrc[len2]表示取出'5'这个字符。
所以pSrc下次就移动到'5'这个位置重新开始匹配了。