思路:该算法通过为文本串的每类字符计算一个移动距离,每次匹配失败后移动以计算好的距离即可,避免每次匹配失败后只向后移动一个距离,导致时间复杂度较高。
具体过程:首先该算法每次匹配的时候,会把模式串的最后一个字符与文本串中对齐的那个字符设定为c位(是文本串中的那个字符),每次匹配失败后,向后移动处于c位的字符对应的事先计算好的距离。
移动距离的计算:首先规定,文本串和模式串都仅有26个大写字母构成(简化,原理相同),然后创建一个大小为26的数组,依次对应A-Z,然后如果该c位字符不在模式串中,直接设置改c位字符的移动距离为模式串的长度,如果该c位字符在模式串中,就向后移动该c位字符在模式串中最靠右出现的地方距离模式串最后一个字符的距离。
最后只需要依次匹配,失败就向后移动相应的距离即可。
c++代码如下:
#include<iostream>
#include<string.h>
using namespace std;
int dis[26];//26个大写字母的移动距离表
//char A = 65;
int Horspool(string str,string ptr){
int n = (int)str.length();
int m = (int)ptr.length();
//初始化所有字符的移动距离为m
for (int i = 0; i<26; i++) {
dis[i] = m;
}
//修改ptr中的字符的移动距离
for(int i = 0;i<m-1;i++ ){
dis[ptr[i] - 65] = m-1-i;
}
int i = 0;
while (i<=n-m) {
int j = 0;
while(str[i+j] == ptr[j]){
j++;
if(j == m){
return i;//匹配成功
}
}
int index = str[i+m-1]-65;//当次匹配失败
i+=dis[index];
}
return -1;
}
int main(){
string str,ptr;
cin>>str>>ptr;
int result = Horspool(str, ptr);
cout<<result;
}
//TTATAGATCTCGTATTCTTTTATAGATCTCCTATTCTT
//TCCTATTCTT