BM模式匹配算法-实现（C语言）

 

    BM算法的实现很复杂，但是高手程序员就是能写出令人敬佩的代码。

    当然，高手程序员不是指我自己，是SNORT2.7.0的设计者/实现者之一。  

    下面是SNORT2.7.0中提取出的代码。

    我将以行注的形式进行讲解。

 

C代码

1. /*  
2.     函数：int* MakeSkip(char *, int)  
3.     目的：根据坏字符规则做预处理，建立一张坏字符表  
4.     参数：  
5.         ptrn => 模式串P  
6.         PLen => 模式串P长度  
7.     返回：  
8.         int* - 坏字符表  
9. */   
10. int * MakeSkip( char  *ptrn,  int  pLen)  
11. {     
12.     int  i;  
13.     //为建立坏字符表，申请256个int的空间   
14.     /*PS:之所以要申请256个，是因为一个字符是8位，  
15.       所以字符可能有2的8次方即256种不同情况*/   
16.     int  *skip = ( int *)malloc(256* sizeof ( int ));  
17.   
18.     if (skip == NULL)  
19.     {  
20.         fprintf(stderr, "malloc failed!" );  
21.         return  0;  
22.     }     
23.   
24.     //初始化坏字符表，256个单元全部初始化为pLen   
25.     for (i = 0; i < 256; i++)  
26.     {  
27.         *(skip+i) = pLen;  
28.     }  
29.   
30.     //给表中需要赋值的单元赋值，不在模式串中出现的字符就不用再赋值了   
31.     while (pLen != 0)  
32.     {  
33.         *(skip+(unsigned char )*ptrn++) = pLen--;  
34.     }  
35.   
36.     return  skip;  
37. }  
38.   
39.   
40. /*  
41.     函数：int* MakeShift(char *, int)  
42.     目的：根据好后缀规则做预处理，建立一张好后缀表  
43.     参数：  
44.         ptrn => 模式串P  
45.         PLen => 模式串P长度  
46.     返回：  
47.         int* - 好后缀表  
48. */   
49. int * MakeShift( char * ptrn, int  pLen)  
50. {  
51.     //为好后缀表申请pLen个int的空间   
52.     int  *shift = ( int *)malloc(pLen* sizeof ( int ));  
53.     int  *sptr = shift + pLen - 1; //方便给好后缀表进行赋值的指标   
54.     char  *pptr = ptrn + pLen - 1; //记录好后缀表边界位置的指标   
55.     char  c;  
56.   
57.     if (shift == NULL)  
58.     {  
59.         fprintf(stderr,"malloc failed!" );  
60.         return  0;  
61.     }  
62.   
63.     c = *(ptrn + pLen - 1);//保存模式串中最后一个字符，因为要反复用到它   
64.   
65.     *sptr = 1;//以最后一个字符为边界时，确定移动1的距离   
66.   
67.     pptr--;//边界移动到倒数第二个字符（这句是我自己加上去的，因为我总觉得不加上去会有BUG，大家试试“abcdd”的情况，即末尾两位重复的情况）   
68.   
69.     while (sptr-- != shift) //该最外层循环完成给好后缀表中每一个单元进行赋值的工作   
70.     {  
71.         char  *p1 = ptrn + pLen - 2, *p2,*p3;  
72.           
73.         //该do...while循环完成以当前pptr所指的字符为边界时，要移动的距离   
74.         do {  
75.             while (p1 >= ptrn && *p1-- != c); //该空循环，寻找与最后一个字符c匹配的字符所指向的位置   
76.               
77.             p2 = ptrn + pLen - 2;  
78.             p3 = p1;  
79.               
80.             while (p3 >= ptrn && *p3-- == *p2-- && p2 >= pptr); //该空循环，判断在边界内字符匹配到了什么位置   
81.   
82.         }while (p3 >= ptrn && p2 >= pptr);  
83.   
84.         *sptr = shift + pLen - sptr + p2 - p3;//保存好后缀表中，以pptr所在字符为边界时，要移动的位置   
85.         /*  
86.           PS:在这里我要声明一句，*sptr = （shift + pLen - sptr） + p2 - p3;  
87.              大家看被我用括号括起来的部分，如果只需要计算字符串移动的距离，那么括号中的那部分是不需要的。  
88.              因为在字符串自左向右做匹配的时候，指标是一直向左移的，这里*sptr保存的内容，实际是指标要移动  
89.              距离，而不是字符串移动的距离。我想SNORT是出于性能上的考虑，才这么做的。            
90.         */   
91.   
92.         pptr--;//边界继续向前移动   
93.     }  
94.   
95.     return  shift;  
96. }  
97.   
98.   
99. /*  
100.     函数：int* BMSearch(char *, int , char *, int, int *, int *)  
101.     目的：判断文本串T中是否包含模式串P  
102.     参数：  
103.         buf => 文本串T  
104.         blen => 文本串T长度  
105.         ptrn => 模式串P  
106.         PLen => 模式串P长度  
107.         skip => 坏字符表  
108.         shift => 好后缀表  
109.     返回：  
110.         int - 1表示成功（文本串包含模式串），0表示失败（文本串不包含模式串）。  
111. */   
112. int  BMSearch( char  *buf,  int  blen,  char  *ptrn,  int  plen,  int  *skip,  int  *shift)  
113. {  
114.     int  b_idx = plen;    
115.     if  (plen == 0)  
116.         return  1;  
117.     while  (b_idx <= blen) //计算字符串是否匹配到了尽头   
118.     {  
119.         int  p_idx = plen, skip_stride, shift_stride;  
120.         while  (buf[--b_idx] == ptrn[--p_idx]) //开始匹配   
121.         {  
122.             if  (b_idx < 0)  
123.                 return  0;  
124.             if  (p_idx == 0)  
125.             {       
126.                 return  1;  
127.             }  
128.         }  
129.         skip_stride = skip[(unsigned char )buf[b_idx]]; //根据坏字符规则计算跳跃的距离   
130.         shift_stride = shift[p_idx];//根据好后缀规则计算跳跃的距离   
131.         b_idx += (skip_stride > shift_stride) ? skip_stride : shift_stride;//取大者   
132.     }  
133.     return  0;  
134. }  

/*
    函数：int* MakeSkip(char *, int)
	目的：根据坏字符规则做预处理，建立一张坏字符表
	参数：
		ptrn => 模式串P
		PLen => 模式串P长度
    返回：
	    int* - 坏字符表
*/
int* MakeSkip(char *ptrn, int pLen)
{	
	int i;
	//为建立坏字符表，申请256个int的空间
	/*PS:之所以要申请256个，是因为一个字符是8位，
	  所以字符可能有2的8次方即256种不同情况*/
	int *skip = (int*)malloc(256*sizeof(int));

	if(skip == NULL)
	{
		fprintf(stderr, "malloc failed!");
		return 0;
	}	

	//初始化坏字符表，256个单元全部初始化为pLen
	for(i = 0; i < 256; i++)
	{
		*(skip+i) = pLen;
	}

	//给表中需要赋值的单元赋值，不在模式串中出现的字符就不用再赋值了
	while(pLen != 0)
	{
		*(skip+(unsigned char)*ptrn++) = pLen--;
	}

	return skip;
}


/*
	函数：int* MakeShift(char *, int)
	目的：根据好后缀规则做预处理，建立一张好后缀表
	参数：
		ptrn => 模式串P
		PLen => 模式串P长度
    返回：
	    int* - 好后缀表
*/
int* MakeShift(char* ptrn,int pLen)
{
	//为好后缀表申请pLen个int的空间
	int *shift = (int*)malloc(pLen*sizeof(int));
	int *sptr = shift + pLen - 1;//方便给好后缀表进行赋值的指标
	char *pptr = ptrn + pLen - 1;//记录好后缀表边界位置的指标
	char c;

	if(shift == NULL)
	{
		fprintf(stderr,"malloc failed!");
		return 0;
	}

	c = *(ptrn + pLen - 1);//保存模式串中最后一个字符，因为要反复用到它

	*sptr = 1;//以最后一个字符为边界时，确定移动1的距离

	pptr--;//边界移动到倒数第二个字符（这句是我自己加上去的，因为我总觉得不加上去会有BUG，大家试试“abcdd”的情况，即末尾两位重复的情况）

	while(sptr-- != shift)//该最外层循环完成给好后缀表中每一个单元进行赋值的工作
	{
		char *p1 = ptrn + pLen - 2, *p2,*p3;
		
		//该do...while循环完成以当前pptr所指的字符为边界时，要移动的距离
		do{
			while(p1 >= ptrn && *p1-- != c);//该空循环，寻找与最后一个字符c匹配的字符所指向的位置
			
			p2 = ptrn + pLen - 2;
			p3 = p1;
			
			while(p3 >= ptrn && *p3-- == *p2-- && p2 >= pptr);//该空循环，判断在边界内字符匹配到了什么位置

		}while(p3 >= ptrn && p2 >= pptr);

		*sptr = shift + pLen - sptr + p2 - p3;//保存好后缀表中，以pptr所在字符为边界时，要移动的位置
		/*
		  PS:在这里我要声明一句，*sptr = （shift + pLen - sptr） + p2 - p3;
		     大家看被我用括号括起来的部分，如果只需要计算字符串移动的距离，那么括号中的那部分是不需要的。
			 因为在字符串自左向右做匹配的时候，指标是一直向左移的，这里*sptr保存的内容，实际是指标要移动
			 距离，而不是字符串移动的距离。我想SNORT是出于性能上的考虑，才这么做的。			 
		*/

		pptr--;//边界继续向前移动
	}

	return shift;
}


/*
	函数：int* BMSearch(char *, int , char *, int, int *, int *)
	目的：判断文本串T中是否包含模式串P
	参数：
	    buf => 文本串T
		blen => 文本串T长度
		ptrn => 模式串P
		PLen => 模式串P长度
		skip => 坏字符表
		shift => 好后缀表
    返回：
	    int - 1表示成功（文本串包含模式串），0表示失败（文本串不包含模式串）。
*/
int BMSearch(char *buf, int blen, char *ptrn, int plen, int *skip, int *shift)
{
	int b_idx = plen;  
	if (plen == 0)
		return 1;
	while (b_idx <= blen)//计算字符串是否匹配到了尽头
	{
		int p_idx = plen, skip_stride, shift_stride;
		while (buf[--b_idx] == ptrn[--p_idx])//开始匹配
		{
 			if (b_idx < 0)
				return 0;
			if (p_idx == 0)
			{     
				return 1;
			}
		}
		skip_stride = skip[(unsigned char)buf[b_idx]];//根据坏字符规则计算跳跃的距离
		shift_stride = shift[p_idx];//根据好后缀规则计算跳跃的距离
		b_idx += (skip_stride > shift_stride) ? skip_stride : shift_stride;//取大者
	}
	return 0;
}