字符串查找算法中,最著名的两个是KMP算法(Knuth-Morris-Pratt)和BM算法(
Boyer-Moore)。两个算法在最坏情况下均具有线性的查找时间。但是在实用上,K
MP算法并不比最简单的c库函数strstr()快多少,而BM算法则往往比KMP算法快上3
-5倍。但是BM算法还不是最快的算法,这里介绍一种比BM算法更快一些的查找算
法。
例如我们要在"substring searching algorithm"查找"search",刚开始时,把子
串与文本左边对齐,
substring searching algorithm
search
^
结果在第二个字符处发现不匹配,于是要把子串往后移动。但是该移动多少呢?这
就是各种算法各显神通的地方了,最简单的做法是移动一个字符位置;KMP是利用
已经匹配部分的信息来移动;BM算法是做反向比较,并根据已经匹配的部分来确定
移动量。这里要介绍的方法是看紧跟在当前子串之后的那个字符(上图中的'i')。
显然,不管移动多少,这个字符是肯定要参加下一步的比较的,也就是说,如果下
一步匹配到了,这个字符必须在子串内。所以,可以移动子串,使子串中的最右边
的这个字符与它对齐。现在子串'search'中并不存在'i',则说明可以直接跳过一
大片,从'i'之后的那个字符开始作下一步的比较,如下图:
substring searching algorithm
search
^
比较的结果,第一个字符就不匹配,再看子串后面的那个字符,是'r',它在子串中
出现在倒数第三位,于是把子串向前移动三位,使两个'r'对齐,如下:
substring searching algorithm
search
哈!这次匹配成功了!回顾整个过程,我们只移动了两次子串就找到了匹配位置,
是不是很神啊?!可以证明,用这个算法,每一步的移动量都比BM算法要大,所以肯
定比BM算法更快。
下面是这个算法的c代码。注意我假设了每个字符的值都介于0-127之间(即纯asc
Boyer-Moore)。两个算法在最坏情况下均具有线性的查找时间。但是在实用上,K
MP算法并不比最简单的c库函数strstr()快多少,而BM算法则往往比KMP算法快上3
-5倍。但是BM算法还不是最快的算法,这里介绍一种比BM算法更快一些的查找算
法。
例如我们要在"substring searching algorithm"查找"search",刚开始时,把子
串与文本左边对齐,
substring searching algorithm
search
^
结果在第二个字符处发现不匹配,于是要把子串往后移动。但是该移动多少呢?这
就是各种算法各显神通的地方了,最简单的做法是移动一个字符位置;KMP是利用
已经匹配部分的信息来移动;BM算法是做反向比较,并根据已经匹配的部分来确定
移动量。这里要介绍的方法是看紧跟在当前子串之后的那个字符(上图中的'i')。
显然,不管移动多少,这个字符是肯定要参加下一步的比较的,也就是说,如果下
一步匹配到了,这个字符必须在子串内。所以,可以移动子串,使子串中的最右边
的这个字符与它对齐。现在子串'search'中并不存在'i',则说明可以直接跳过一
大片,从'i'之后的那个字符开始作下一步的比较,如下图:
substring searching algorithm
search
^
比较的结果,第一个字符就不匹配,再看子串后面的那个字符,是'r',它在子串中
出现在倒数第三位,于是把子串向前移动三位,使两个'r'对齐,如下:
substring searching algorithm
search
哈!这次匹配成功了!回顾整个过程,我们只移动了两次子串就找到了匹配位置,
是不是很神啊?!可以证明,用这个算法,每一步的移动量都比BM算法要大,所以肯
定比BM算法更快。
下面是这个算法的c代码。注意我假设了每个字符的值都介于0-127之间(即纯asc
ii码)。
wchar_t *wsunday(const wchar_t *text, const wchar_t *substr)
{
if (text == NULL || substr == NULL )
return NULL;
int tn = wcslen(text);
int m = wcslen(substr);
if ( tn == 0 || m == 0 || tn < m )
return NULL;
const wchar_t* p;
int txn = 0;
const wchar_t *t, *tx = text;
while (tx + m <= text + tn)
{
for (p = substr, t = tx; *p; ++p, ++t)
{
if (*p != *t)
break;
}
if (*p == NULL)
return (wchar_t*)tx;
for(txn = m - 1 ; txn >= 0 ; --txn)
{
if(tx[m] == substr[txn ])
{
tx += m - txn;
break;
}
}
if(txn < 0)
tx += m + 1;
}
return NULL;
}