字符串搜索的Sunday算法

比起流行的kmp算法,  Sunday不仅搜索效率上要高很多, 而且原理还特别简单易理解,  也容易实现.

 

字符串匹配——Sunday算法

基本思想及举例

Sunday算法由Daniel M.Sunday在1990年提出，它的思想跟BM算法很相似.

Sunday算法是:从前往后匹配，在匹配失败时关注的是主串中参加匹配的最末位字符的下一位字符。

i

n

s

t

r

o

i

u

c

t

i

o

n

x

y

i

u

c

 

 

如果该字符没有在模式串中出现则直接跳过，即移动位数 = 模式串长度 + 1；
否则，其移动位数 = 模式串长度 - 该字符最右出现的位置(以0开始) = 模式串中该字符最右出现的位置到尾部的距离 + 1。
下面举个例子说明下Sunday算法。假定现在要在主串”instroiuctionxy”中查找模式串”iuc”。

刚开始时，把模式串与文主串左边对齐： 

结果发现在第2个字符处发现不匹配，不匹配时关注主串中参加匹配的最末位字符的下一位字符，即标红的字符 t，因为模式串iuc中并不存在t，所以模式串直接跳过一大片，向右移动位数 = 匹配串长度 + 1 = 3 + 1 = 4，从t 之后的那个字符（即字符r）开始下一步的匹配，如下图： 

结果第一个字符就不匹配，再看主串中参加匹配的最末位字符的下一位字符，是u，它出现在模式串中的倒数第2位，于是把模式串向右移动1位（3 - 2 )，使两个’u’对齐，如下： 

匹配成功。

回顾整个过程，我们只移动了两次模式串就找到了匹配位置，缘于Sunday算法每一步的移动量都比较大，效率很高。

====================================================================

c   语言实现代码:

#include <stdio.h>
#include <string.h>
const int NUM=256;

int sunday(const char* src, const char* des)
{
    unsigned char  jump[NUM];    //映射表   被搜寻字符的ascii码作为jump数组元素的下标---> 元素的值是模式串中该字符对应的主字符串移动位数 
    int  len_d =strlen(des);
    int  len_s = strlen(src);
    
    for(int p = 0; p < NUM; p++) {   //构建映射表,给所有字符对应跳动的位数赋最大值=模式字符串的长度+1 
        jump[p] = len_d + 1;
    }
    for(int k = 0; k < len_d; k++) {  k是模式字符串中字符的位置,  jump数组中相应字符对应的值= 模式字符串长度-k 
        jump[des[k]] = len_d - k;
    }
    
    int j=0;
    int pos=0;
    int end=len_s-len_d;
    while(pos<=end) {
    
        j=0;
        while( src[pos+j]==des[j]) //主字符串与模式字符串比较
        {
            j++;
            if(j>=len_d)
                return pos;
        }
       //由于src中有可能有汉字,  src[pos+len_d] 有可能是汉字双字节中的一个字节, 则可能为负数, 作为下标代入jump数组时, 造成数组越界,因此要将

        // src[pos+len_d] 强制转化为无符号整数 

       pos=pos+jump[ (unsigned char)(src[pos+len_d]) ];   //字符串指针跳动
        
    }
    return  -1;
    
}
int main()
{
    char  s[]="faddd3fgh4wgfh[ 得齄grcp3";
    char  d[]="得齄";
    int pos= sunday(s,d);
    printf("pos=%d\n",pos);
    return 0;
}

 

转载于:https://my.oschina.net/u/4153468/blog/3077204