最近在研究一些字符串匹配算法,也是由于工作上的需要,强力推荐一本书《柔性字符串匹配》,一本很好的书。网上可以随时搜索到。还是说正题吧。
BNDM算法的思想来源于BDM算法思想,类似于shitf-and和kmp之间的区别吧(也不知道是不是准确,有错望大家多指点)。前者都是用位运算模拟后者。好了,那就先介绍一下BDM算法吧!
BDM是基于子串搜索方法,其难点在于怎么搜索子串,书中引入了后缀自动机。对于后缀自动机,我其实没有足够的把握理解它,姑且就当它为一个工具就是了,提供一些状态跳转罢了。现在简单介绍一下它的功能和怎么识别子串。对于这个自动机的实现书上说用一种叫compact suffix tree结构,这些由于时间关系同时这也不是我的重点,故没有去理解。
书中提到后缀自动机的三个性质如下:
第一:字符串u是p(模式串)的一个子串当且仅当p的后缀自动机中存在一条初始状态开始的标号为u的路径。(理解这句话)。
第二:自动机可以识别模式串的所有后缀,从初始状态到某个终止状态的路径上的字符组成的字符串是模式串p的一个后缀。
第三:模式串p=p1p2...pm对应的后缀自动机【用SA(p1p2...pm)表示】可以通过在线的方法在o(0)时间内构建完成,即依次将pj添加到SA(p1p2...pj-1)上,构造SA(p1p2...pj)。
搜索算法:先构建p的反串即pmpm-1...p1的后缀自动机,因为我们是从后向前匹配,搜索模式串的子串。在搜索过程中如果到达了一个终止状态,并且对应的串不是整串p,会得到pmpm-1...p1后缀,即p1p2...pm的前缀,我们将它在窗口中的位置保存在last中,根据性质2,是当前(可不可以更新?不可以!)最长前缀(这是重点)。它是从位置last开始,到窗口末端结束。这种反向搜索有两种结束方式:
第一种:识别子串失败,读入的字符σ,在这后缀自动机的当前状态没有σ的转移。这个窗口向右移动,使它起始位置和last对齐。这样移动窗口不会遗漏任何可能的匹配,(因为我们识别的已经是最长的前缀,不然σ定匹配,因为由于性质2得到的)。
第二种:抵达窗口的起始位置,模式串成功匹配,报告成功,并且像第一种方式移动窗口,使它起始位置和last对齐,因为last最长前缀。
见书本上的图:
理解了BMD算法,现在理解BNDM算法,
BNDM算法和Shift-And算法类似,维护一个集合,这个集合用一个向量D来表示。如果pj...pj+u-1等于u,那么D的第m-j+1位是1,表示p的位置j是一个活动状态。书上的表示这种关系。
表的更新时
当读入新字符σ时,D要更新到D´,D´的一个活动状态j对应于σu在模式串的一个起始位置,也就是说
u出现在模式串的位置j+1,即D的j+1位是活动的,σ在模式串j处出现,从而可以得到表D更新
D´=(D<<1)&B[σ]。
还要注意初始化,因为为了表示空串和模式串的任何位置都匹配,这样D=1m,不然会丢失第一个子串。也可将D大小初始化 为m+1。也可以拆分公式:第一部分D´=D&B[σ],然后在移位D´=D´<<1.其中表B和上面的shift-and类似,可以参考我文章中的shift-and。来理解表B的构建。
见书上伪代码:
自己根据伪代码写的源代码:
![](https://i-blog.csdnimg.cn/blog_migrate/8f900a89c6347c561fdf2122f13be562.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/961ddebeb323a10fe0623af514929fc1.gif)
1 #include <iostream> 2 #include <string> 3 #include <vector> 4 #include <cmath> 5 6 using namespace std; 7 8 void matchString(const string& vSrcStr, const string& vPatternStr, vector<int>& voMatchPosVec) 9 { 10 //preprocessing 11 int SrcStrLen = vSrcStr.size(); 12 int PatternStrLen = vPatternStr.size(); 13 unsigned int BitMask[256] = {0}; 14 15 for (int i=0; i<PatternStrLen; i++) 16 { 17 BitMask[vPatternStr[i]] |= 1<<(PatternStrLen-i-1); 18 } 19 20 //searching 21 int Pos = 0; 22 while(Pos <= SrcStrLen-PatternStrLen) 23 { 24 int JPos = PatternStrLen; 25 int LastPos = PatternStrLen; 26 unsigned int DMask = (unsigned int) pow(2.0,PatternStrLen)-1; 27 unsigned int MonitorPos = (unsigned int) pow(2.0,PatternStrLen)-1; //设置防止左移时,高位对判断的影响 28 while (DMask&MonitorPos) 29 { 30 DMask = DMask&BitMask[vSrcStr[Pos+JPos-1]]; 31 JPos = JPos-1; 32 if (DMask&(1<<(PatternStrLen-1))) 33 { 34 if(JPos>0) 35 { 36 LastPos = JPos; 37 } 38 else 39 { 40 voMatchPosVec.push_back(Pos); 41 } 42 } 43 DMask = DMask<<1; 44 } 45 Pos = Pos+LastPos; 46 } 47 } 48 49 int main() 50 { 51 string SrcStr = "aaaaabaaa"; 52 string PatternStr = "a"; 53 54 vector<int> MatchPosVec; 55 56 matchString(SrcStr, PatternStr, MatchPosVec); 57 58 for(vector<int>::iterator Ix=MatchPosVec.begin(); Ix!=MatchPosVec.end(); Ix++) 59 { 60 cout<<*Ix<<endl; 61 } 62 63 system("pause"); 64 return 0; 65 }
如果有错误希望大家指出。