《柔性字符串匹配》读书笔记

介绍：《柔性字符串匹配 Flexible Pattern Matching in Sortings》是一本不可多得的字符串匹配方面的专业书籍。书中对串匹配问题进行了系统化的分类,从实际效果出发,着重详细介绍了串匹配领域内效果最好的若干种算法。

1.单模式匹配

算法的思想越简单，实际应用的效果越好。

• KMP(Knuth-Morris-Pratt)和BM(Boyer-Moore)算法是串匹配中最古老和最著名的。
• KMP在实际应用中比蛮力方法还要慢一倍。
• BM系列算法中，应用最成功的算法是对原始算法进行高度简化后得到的Horspool（比BM快）。
• 实际应用中如果模式串p足够长，则BOM是最快的，而如果p足够短，则BDM的更简单、更有效版本BNDM会比较好。

2.多模式匹配

大部分但模式匹配算法都能扩展到多模式匹配。

• Aho-Corasick是KMP向多模式串情形的扩展，该算法对应的数据结构是Aho-Corasick Automation,即AC自动机。
• Horspool的多模式匹配扩展是Set Horspool，当搜索一个很大字母表上的一个较小模式串集合时，其效率很高。
• Wu-Manber算法结合了后缀搜索算法和散列方法，在实际应用中效率很高。
• BOM的多模式匹配扩展是SBOM，当模式串集合中的最小模式串长度较大时，SBOM算法效率很高。

3.正则表达式

NFA (Nondeterministic Finite Automaton)
DFA (Deterministic Finite Automaton)

• DFA是正则表达式搜索中所采用的经典算法之一，称为DFA Classical算法。但它的主要问题是把NFA转换成DFA后，DFA的大小可能是原来NFA大小的指数级，因此，只是在模式串长度较短时才适用。
• 对于较长的模式串，通常适用多个较小的DFA构造一个大的NFA，这种结合适用NFA和DFA的方法具有较好的效率，称为DFA Modules算法。

闲话：看这本书最初是因为最近要做一个网站关键词过滤的功能（关键词高亮或者关键词替换为*号），后来经过各种取舍之后，决定采用AC自动机来做（能力有限，这个比较简单）。于是先用关键字字典（模式串集合）建立一个AC自动机（其实就是增加了fail指针的Trie树），每次匹配时用它去匹配就好了。