BM算法
后缀匹配,是指模式串的比较从右到左,模式串的移动也是从左到右的匹配过程,经典的BM算法其实是对后缀蛮力匹配算法的改进。所以还是先从最简单的后缀蛮力匹配算法开始。下面直接给出伪代码,注意这一行代码:j++;BM算法所做的唯一的事情就是改进了这行代码,即模式串不是每次移动一步,而是根据已经匹配的后缀信息,从而移动更多的距离。
2 | while (j <= strlen (T) - strlen (P)) { |
3 | for (i = strlen (P) - 1; i >= 0 && P[i] ==T[i + j]; --i) |
为了实现更快移动模式串,BM算法定义了两个规则,好后缀规则和坏字符规则,如下图可以清晰的看出他们的含义。利用好后缀和坏字符可以大大加快模式串的移动距离,不是简单的++j,而是j+=max (shift(好后缀), shift(坏字符))
![](http://static.oschina.net/uploads/img/201107/08102633_mcyV.png)
先来看如何根据坏字符来移动模式串,shift(坏字符)分为两种情况:
- 坏字符没出现在模式串中,这时可以把模式串移动到坏字符的下一个字符,继续比较,如下图:
![](https://i-blog.csdnimg.cn/blog_migrate/f2b80ba7d6253518b8a93a9942075b79.png)
- 坏字符出现在模式串中,这时可以把模式串第一个出现的坏字符和母串的坏字符对齐,当然,这样可能造成模式串倒退移动,如下图:
![](https://i-blog.csdnimg.cn/blog_migrate/8317b020769dca50dc0eeafaeacc1157.png)
为了用代码来描述上述的两种情况,设计一个数组bmBc['k'],表示坏字符‘k’在模式串中出现的位置距离模式串末尾的最大长度,那么当遇到坏字符的时候,模式串可以移动距离为: shift(坏字符) = bmBc[T[i]]-(m-1-i)。如下图:
![](https://i-blog.csdnimg.cn/blog_migrate/d01034982459c1bfa6e02c1681b76634.png)
数组bmBc的创建非常简单,直接贴出代码如下:
1 | void preBmBc( char *x, int m, int bmBc[]) { |
3 | for (i = 0; i < ASIZE; ++i) |
5 | for (i = 0; i < m - 1; ++i) |
6 | bmBc[x[i]] = m - i - 1; |
再来看如何根据好后缀规则移动模式串,shift(好后缀)分为三种情况:
- 模式串中有子串匹配上好后缀,此时移动模式串,让该子串和好后缀对齐即可,如果超过一个子串匹配上好后缀,则选择最靠左边的子串对齐。
![](http://static.oschina.net/uploads/img/201107/08102633_ZEo9.png)
- 模式串中没有子串匹配上后后缀,此时需要寻找模式串的一个最长前缀,并让该前缀等于好后缀的后缀,寻找到该前缀后,让该前缀和好后缀对齐即可。
![](https://i-blog.csdnimg.cn/blog_migrate/67bcc066f13aa6e94bc245187422e482.png)
- 模式串中没有子串匹配上后后缀,并且在模式串中找不到最长前缀,让该前缀等于好后缀的后缀。此时,直接移动模式到好后缀的下一个字符。
![](http://static.oschina.net/uploads/img/201107/08102633_U0hE.png)
为了实现好后缀规则,需要定义一个数组suffix[],其中suffix[i] = s 表示以i为边界,与模式串后缀匹配的最大长度,如下图所示,用公式可以描述:满足P[i-s, i] == P[m-s, m]的最大长度s。
![](https://i-blog.csdnimg.cn/blog_migrate/19f298b7799baa22539a1509dfbcd82e.png)
构建suffix数组的代码如下:
4 | while (q>=0&&P[q]==P[m-1-i+q]) |
有了suffix数组,就可以定义bmGs[]数组,bmGs[i] 表示遇到好后缀时,模式串应该移动的距离,其中i表示好后缀前面一个字符的位置(也就是坏字符的位置),构建bmGs数组分为三种情况,分别对应上述的移动模式串的三种情况
- 模式串中有子串匹配上好后缀
![](https://i-blog.csdnimg.cn/blog_migrate/39f78cb3d136f271deb4e974b84c1bd9.png)
- 模式串中没有子串匹配上好后缀,但找到一个最大前缀
![](http://static.oschina.net/uploads/img/201107/08102633_OeG2.png)
- 模式串中没有子串匹配上好后缀,但找不到一个最大前缀
![](https://i-blog.csdnimg.cn/blog_migrate/92240d8e7fc9fc3369ce3c6b39f7cdd5.png)
构建bmGs数组的代码如下:
01 | void preBmGs( char *x, int m, int bmGs[]) { |
02 | int i, j, suff[XSIZE]; |
04 | for (i = 0; i < m; ++i) |
07 | for (i = m - 1; i >= 0; --i) |
09 | for (; j < m - 1 - i; ++j) |
12 | for (i = 0; i <= m - 2; ++i) |
13 | bmGs[m - 1 - suff[i]] = m - 1 - i; |
再来重写一遍BM算法:
2 | while (j <= strlen (T) - strlen (P)) { |
3 | for (i = strlen (P) - 1; i >= 0 && P[i] ==T[i + j]; --i) |
7 | j += max(bmGs[i], bmBc[T[i]]-(m-1-i)); |
考虑模式串匹配不上母串的最坏情况,后缀蛮力匹配算法的时间复杂度最差是O(n×m),最好是O(n),其中n为母串的长度,m为模式串的长度。BM算法时间复杂度最好是O(n/(m+1)),最差是多少?留给读者思考。
原文转自:http://www.searchtb.com/