发现Python的源代码中关于字符串fastsearch算法的一个笔误！

 

今天继续看Python源代码中的PyStringObject结构，发现了它的一个子字符串的查找算法很有趣，研究了一把，这个算法在这里叫做fastsearch。真的不错，它在进行字符跳的时候，是m长度的跳，而不是一个个的跳。其实，算法还是很简单的，仔细分析一下就可以得出了。在分析算法的同时，我发现这个算法一点小小的瑕疵，现在叙述如下：

      

#define FAST_COUNT 0 #define FAST_SEARCH 1   Py_LOCAL_INLINE( Py_ssize_t) fastsearch( const STRINGLIB_CHAR* s, Py_ssize_t n,            const STRINGLIB_CHAR* p, Py_ssize_t m,            int mode) {     long mask;     Py_ssize_t skip, count = 0;     Py_ssize_t i, j, mlast, w;       w = n - m;       if (w < 0)         return -1;       /* look for special cases */     if (m <= 1) {         if (m <= 0)             return -1;         /* use special case for 1-character strings */         if (mode == FAST_COUNT) {             for (i = 0; i < n; i++)                 if (s[i] == p[0])                     count++;             return count;         } else {             for (i = 0; i < n; i++)                 if (s[i] == p[0])                     return i;         }         return -1;     }       mlast = m - 1;       /* create compressed boyer-moore delta 1 table */     //skip = mlast - 1; //???     skip = mlast; //Modified by deng_zf     /* process pattern[:-1] */     for (mask = i = 0; i < mlast; i++) {         mask |= (1 << (p[i] & 0x1F));         if (p[i] == p[mlast])             skip = mlast - i - 1;     }     /* process pattern[-1] outside the loop */     mask |= (1 << (p[mlast] & 0x1F));       for (i = 0; i <= w; i++) {         /* note: using mlast in the skip path slows things down on x86 */         if (s[i+m-1] == p[m-1]) {             /* candidate match */             for (j = 0; j < mlast; j++)                 if (s[i+j] != p[j])                     break;             if (j == mlast) {                 /* got a match! */                 if (mode != FAST_COUNT)                     return i;                 count++;                 i = i + mlast;                 continue;             }             /* miss: check if next character is part of pattern */             if (!(mask & (1 << (s[i+m] & 0x1F))))                 i = i + m;             else                 i = i + skip;         } else {             /* skip: check if next character is part of pattern */             if (!(mask & (1 << (s[i+m] & 0x1F))))                 i = i + m;         }     }        if (mode != FAST_COUNT)         return -1;     return count; }

       有问题的和我修改后的语句我使用红色表示。我的解释如下：

假设：

原字符串为s，长度为n，例如s = “abdefg”，n = 6

子字符串为p，长度为m，例如p = “bcd”, m = 3

       通过计算可知：

              mlast = m – 1 = 2

       skip = mlast – 1 = 1

       好，现在让程序运行。程序在进入 for ( i = 0; i <= w; i++){}这个循环的第一遍中，会运行到后面的语句 i = i + skip。此时的i = 0, skip = 1，所以运行完成这条语句之后，i的值变成了1。然后，程序进入第二次循环，这时通过i++，i的值变成了2。也就是取字符串s中的子字符串“def”与 p进行比较，这显然是不成立的，这次比较必定要浪费的。

为什么呢？

因为 s中的第二个字符’d’在第一次比较中做为最后一个字符进行比较的，它和 p中的最后一个字符相同。而因为p的最后一个字符与前面的所有字符不同，所以在进行第二次比较中做为首字符的’d’肯定也不会和 p中的第一个字符相同的，所以这次比较肯定要失败的。

造成这种情况就是因为 skip在进行初始化的时候有问题，应该是skip = mlast，而不是skip = mlast – 1。