BM算法是Boyer-Moore算法的简称,由Boyer 和Moore提出。是一种精确字符串匹配算法(区别于模糊匹配)。
BM算法采用从右向左比较的方法,同时应用到了两种启发式规则,即坏字符规则和好后缀规则,来决定向右跳跃的距离。
BM算法的基本流程:设文本串T,模式串为P。首先将T与P进行左对齐,然后进行从右向左比较,如下所示:
a | b | c | e | c | a | b | e |
a | b | c | a | b |
|
|
|
若是某趟比较不匹配时,BM算法就采用两条启发式规则,即坏字符规则和好后缀规则,来计算模式串向右移动的距离,直到整个匹配过程的结束。
下面,来详细介绍一下坏字符规则和好后缀规则。
首先,诠释一下坏字符和好后缀的概念。
请看下表:
a | b | c | e | c | a | b | e |
|
| a | b | c | a | b |
|
表中,第一个不匹配的字符(红色部分)为坏字符,已匹配部分(绿色)为好后缀。
1 )坏字符规则( Bad Character ):
在BM算法从右向左扫描的过程中,若发现某个字符x不匹配,则按如下两种情况讨论:
i. 如果字符x在模式P中没有出现,那么从字符x开始的m个文本显然不可能与P匹配成功,直接全部跳过该区域即可。
ii. 如果x在模式P中出现,则以该字符进行对齐。
用数学公式表示,设Skip(x)为P右移的距离,m为模式串P的长度,max(x)为字符x在P中最右位置。
下图红色部分,发生了一次不匹配。
a | b | c | e | c | a | b | e |
a | b | c | a | b |
|
|
|
计算移动距离Skip(c) = 5 - 3 = 2,则P向右移动2位。
移动后如下图:
a | b | c | e | c | a | b | e |
|
| a | b | c | a | b |
|
2 )好后缀规则( Good Suffix ):
若发现某个字符不匹配的同时,已有部分字符匹配成功,则按如下两种情况讨论:
i. 如果在P中位置t处已匹配部分P'在P中的某位置t'也出现,且位置t'的前一个字符与位置t的前一个字符不相同,则将P右移使t'对应t方才的所在的位置。
ii. 如果在P中任何位置已匹配部分P'都没有再出现,则找到与P'的后缀P''相同的P的最长前缀x,向右移动P,使x对应方才P''后缀所在的位置。
用数学公式表示,设Shift(j)为P右移的距离,m为模式串P的长度,j 为当前所匹配的字符位置,s为t'与t的距离(以上情况i)或者x与P''的距离(以上情况ii)。
以上过程有点抽象,所以我们继续图解。
下图中,已匹配部分cab(绿色)在P中再没出现。
a | b | c | e | c | a | b | e | c | a | b | e |
|
| a | b | c | a | b |
|
|
|
|
|
再看下图,其后缀T'(蓝色)与P中前缀P'(红色)匹配,则将P'移动到T'的位置。
a | b | c | e | c | a | b | e | c | a | b | e |
|
| a | b | c | a | b |
|
|
|
|
|
移动后如下图:
a | b | c | e | c | a | b | e | c | a | b | e |
|
|
|
|
| a | b | c | a | b | a |
|
自此,两个规则讲解完毕。
在BM算法匹配的过程中,取SKip(x)与Shift(j)中的较大者作为跳跃的距离。
BM算法预处理时间复杂度为O(m+s),空间复杂度为O(s),s是与P、T相关的有限字符集长度,搜索阶段时间复杂度为O(m*n)。
最好情况下的时间复杂度为O(n/m),最坏情况下时间复杂度为O(m*n)。