001字符串BM匹配算法

前言：

1、BM匹配算法适用于，在一个字符串originStr中，搜索targetStr是否存在于originStr中。其中，bm无特殊含义，在话术上，称originStr为主串，targetStr为模式串；

2、在主串中寻找模式串，最简单的方法莫过于暴力搜索。即拿模式串的每一位与主串相比，如果模式串的每一位都在主串中匹配上，则认为找到了。否则，模式串向后滑动一位，紧接着如上操作。直到找到，或找不到。该方法称为BF；

3、BF的最大时间复杂度为O(n*m)，其中n为主串长度，m为模式串长度。乍一看，BF并不高效，但在主串长度小，模式串长度小的情况下，特别是模式串长度小的情况下，是非常适用的；

4、BF稍微改造下，可变成RK，RK算法没有从本质上改善BF的时间复杂度。它利用哈希技巧，将模式串的每位比较，改变为一次模式串哈希值比较。但主串的子串哈希值，以及模式串的哈希值，总还是需要根据串中的每一位字符计算得出；

5、BM算法与RK、BF有本质区别，BM算法根据已比较过的子串，来得出模式串应向后滑动多少位，而不是像RK、BF仅向后固定滑动一位；

6、BM算法由坏字符规则、好后缀规则组成，模式串向后滑动的位数取这两个规则下的最大滑动位数；

一、BM算法的匹配方向；

BM匹配时，会拿最后一位字符作为匹配的开始，其匹配方向为向前匹配。

举例：abc与dbc的匹配顺序如下：

1)拿abc的c，与dbc的c比较；

2)拿abc的b，与dbc的b比较；

3)拿abc的a，与dbc的d比较。

二、坏字符规则；

假设主串：abcacabdc

模式串为：abd

1）第一次比较时，主串孩子则为abc；

2）第一个匹配，为c与d的匹配；

3）c与d不相等，c被称为坏字符（坏字符为主串上不与模式串相等的字符）。

4）如果坏字符c，在模式串中不存在，那意味着坏字符无法在模式串的任意一个字符上匹配上。这个时候，可以将模式串向后移动与模式串长度的位数。

5）如果坏字符c，在模式串中存在，那意味着可以将模式串的c与坏字符的c对齐。

因为如果模式串的下一次移动刚好能匹配上主串的子串的话，那么模式串的c与坏字符的c就肯定是对齐的。

需要特别注意的是，假如模式串中存在多个字符与坏字符相等，为避免模式串过度滑动，那么应该是模式串的最后一个c与坏字符对齐。因为模式串最后一个c，与坏字符的距离总是最近的。

 

三、坏字符规则实现代码；

/**
	 * 获取坏字符规则下的位移
	 * @param badChar
	 * @param target
	 * @param badIndex
	 * @return
	 */
	private static int getBadCharShift(String badChar, String target, int badIndex) {
		boolean isBadCharExistInTarget = false;
		int lastMatch = -1;
		for(int i = 0; (i+1) <= target.length(); i++) {
			String s = target.substring(i, i+1);
			if(badChar.equals(s)) {
				isBadCharExistInTarget = true;
				lastMatch = i;
			}
		}
		
		if(isBadCharExistInTarget) {
			return badIndex-lastMatch;
		}
		return target.length();
	}

待优化点：模式串中向前查找坏字符更为合理。

四、好后缀规则；

假设主串：a a a b a b

模式串为：a b a b

1）匹配位置如下时：

2）孩子主串aaab与模式串abab比较时，后缀有ab是相同的，这样的后缀称为好后缀；具体如下图：

3）如果模式串中存在另外一个与好后缀相同的子串，这意味着重新移动模式串，使该子串与好后缀对齐，就有可能在主串上得到完全与模式串匹配的子串；举例如下：

假设主串、模式串、好后缀如图001；

这个时候，在模式串中可以找到另一个与好后缀相同的子串，将模式串向后移动两位，模式串刚好就与主串的某个子串完全匹配上，见图002；

4）如果在模式串中没有找到另外一个子串与好后缀完全相同的子串，这个时候，并不能武断地将模式串过度地滑动越过好后缀。因为模式串中有可能存在子串与好后缀的后缀子串相同，后缀子串与好后缀的效果是完全一样的。具体如下图：

a a a b a b b a b

b b a b

好后缀为ab，在模式串bbab中并没有找到另外一个好后缀ab，如图003：

但是模式串存在好后缀的后缀子串b，将模式串移动两位，使模式串上，最靠近好后缀子串的好后缀子串，对准好后缀子串。恰好就在主串上得到了一个完全与模式串匹配的子串，如图004：

5）好后缀子串的定义举例如下，比如好后缀abcd，那么其好后缀子串如下：

abcd、bcd、cd、d

五、好后缀规则代码；

1）获取好后缀规则下的位移；

/**
	 * 获取好后缀规则下的位移
	 * @param target
	 * @param goodTail
	 * @param badIndex
	 * @return
	 */
	private static int getGoodTailShift(String target, String goodTail, int badIndex) {
		if(goodTail == null || goodTail.length() < 1) {
			return -1;
		}
		return otherGoodTailLastInTarget(target, goodTail, badIndex);
	}

2）获取模式串中最靠近好后缀的另一个好后缀位置；

/**
	 * 获取模式串中最靠近好后缀的另一个好后缀位置
	 * @param target
	 * @param goodTail
	 * @param badIndex
	 * @return
	 */
	private static int otherGoodTailLastInTarget(String target, String goodTail, int badIndex) {
		int index = -1;
		List<String> goodTailChildList = goodTailChildList(goodTail);
		for(int i = 0; i < goodTailChildList.size(); i++) {
			String goodTailChild = goodTailChildList.get(i);
			index = goodTailChildLastInTarget(target, goodTailChild, badIndex);
			if(index >= 0) {
				index = target.length() - index - 1;
				break;
			}
		}
		return index;
	}

3）获取好后缀的所有好后缀孩子串；

/**
	 * 获取好后缀的所有好后缀孩子串，时间复杂度为O(n)，n为goodTail的长度
	 * 举例：ABCD的所有好后缀孩子串为ABCD、BCD、CD、D
	 * @param goodTail
	 * @return
	 */
	private static List<String> goodTailChildList(String goodTail){
		List<String> result = new ArrayList<String>();
		for(int i = 0; i < goodTail.length(); i++) {
			String s = goodTail.substring(i, goodTail.length());
			result.add(s);
		}
		return result;
	}

4）获取模式串中最靠近指定好后缀孩子的另一个好后缀孩子位置；

/**
	 * 获取模式串中最靠近指定好后缀孩子的另一个好后缀孩子位置，时间复杂度O(n*m)，n为target长度，m为goodTail长度
	 * @param target
	 * @param goodTail
	 * @param badIndex
	 * @return
	 */
	private static int goodTailChildLastInTarget(String target, String goodTail, int badIndex) {
		int goodTailLen = goodTail.length();
		for(int i = (target.length()-1); (i-goodTailLen) >= 0; i--) {
			int startIndex = i-goodTailLen;
			String maybeGoodTail = target.substring(startIndex, i);
			if(isEqual(maybeGoodTail, goodTail)) {
				return startIndex;
			}
		}
		return -1;
	}

五、其它；

1、代码地址：https://github.com/haishui211/dataStructureRep.git；