【weekly-sharing】BM算法（Boyer-Moore算法）学习记录

BM算法

描述

BM算法即Boyer-Moore算法，是由Bob Boyer和J Strother Moore于1977年提出的，是一种非常高效的字符串搜索算法。

BM算法从模式串的尾部开始匹配，最坏情况下时间复杂度为O(n*m)，n为文本串长度，m为模式串长度。

the Boyer-Moore-Galil和the Turbo-BM两个算法做了进一步优化，最坏情况下达到线性。

可参考论文：

《On improving the worst case running time of the Boyer-Moore string searching algorithm》

BM算法主要定义了两个规则：坏字符规则和好字符规则。

规则

对于每一次模式串的移动，执行以下规则：

• 从模式串的最后一位字符与文本串相应位置字符开始比对；

• 相等则获得一个好后缀，并再比对前一个字符；

• 不相等则按坏字符规则获取模式串移动位数；

• 存在好后缀时，执行好后缀规则，获取模式串的移动位数；

• 比对通过坏字符规则和好后缀规则获得的关于模式串移动位数，取最大的值来移动。

坏字符（bad character）规则：

坏字符即文本串中不匹配的字符

模式串移动位数 = 此时坏字符在模式串中的位置 - 模式串中最近一个坏字符的位置（没有时记为-1）

如：文本串为“xxhel”，模式串为“hel”，（不考虑好后缀）

第一次比对如下：

xxxhel
hel

比对“x”和“l”，不相等，得到坏字符“x”。

此时坏字符在模式串中的位置为2，最近一个坏字符的位置为-1

移动位数 = 2 - (-1) = 3 结果如下：

xxxhel
   hel

还如：文本串为“xhel”，模式串为“hhl”，（不考虑好后缀）

第一次比对如下：

xxhel
hhl

比对“h”和“l”，不相等，得到坏字符“h”。

此时坏字符在模式串中的位置为2，最近一个坏字符的位置为1

移动位数 = 2 - 1 = 1 结果如下：

xxhel
 hhl

好后缀（good suffix）规则：

好后缀即文本串中和模式串匹配得后缀，好后缀的位置为其最后一个字符的位置。

好后缀规则的移动位数，需要考虑两种情况，在比对字符前的模式串中是否存在字符串与最长好后缀相匹配。

• 存在
  
  • 移动位数 = 好后缀在模式串中的位置 - 模式串中最近一个最长好后缀的位置

如：文本串为“xxxxheahebhe”，模式串为“ahebhe”

第一次比对如下：

xxxxheahebhe
ahebhe

比对“e”和“e”，相同，比对字符往前移；

比对“h”和“h”，相同，比对字符往前移；

比对“x”和“b”，不相同。

得到好后缀有“he”，“e”，最大好后缀为“he”

此时好后缀在模式串中的位置为5，比对位置前的最近一个最长好后缀的位置为2

移动位数 = 5 - 2 = 3 结果如下：

xxxxheahebhe
   ahebhe

• 不存在
  移动位数 = 好后缀在模式串中的位置 - 其他好后缀在模式串中对应前缀位置的最大值（都没有则取-1）

如：文本串为“xxxbhebhe”，模式串为“hebhe”

第一次比对如下：

xxbhebhe
hebhe

比对“e”和“e”，相同，比对字符往前移；

比对“h”和“h”，相同，比对字符往前移；

比对“b”和“b”，相同，比对字符往前移；

比对“x”和“e”，不相同。

得到好后缀有“bhe”，“he”，“e”，最大好后缀为“bhe”

此时好后缀在模式串中的位置位置为4。比对位置前的模式串中不存在最长好后缀，但是存在“he”前缀，位置为1

移动位数 = 4 - 1 = 3 结果如下：

xxbhebhe
   hebhe

例子

假设：

• 要检索的文本串记为T，模式串记为P

• 文本串T为 “hellooo fish fjfish hshfish”，文本串长度为26。

• 模式串P为 “hshfish”，模式串的长度为7，下标从0开始，

• 模式串P中未有的字符在P中的下标记为-1，如“hello”中“i”的下标为-1

查找过程如下：

hellooo fish fjfish hshfish
hshfish

为了方便观察，文本串和模式串写作如下，字符间以 “|”分隔：

0 |1 |2 |3 |4 |5 |6 |7 |8 |9 |10|11|12|13|14|15|16|17|18|19|20|21|22|23|24|25|26
h |e |l |l |o |o |o |  |f |i |s |h |  |f |j |f |i |s |h |  |h |s |h |f |i |s |h

h |s |h |f |i |s |h
0 |1 |2 |3 |4 |5 |6

第一次P的“h”和T的“o”不匹配，“o”为坏字符，在P中并为出现“o”，所以“o”在P中最近一次位置为-1，根据坏字符规则

P右移位数： 6 - (-1) = 7，6为“h”在P中的下标，-1为o在P中的下标

P在T中对应位置： 0 + 7 = 7， 0为P对应T的启示位置，对应字符为“ ”

0 |1 |2 |3 |4 |5 |6 |7 |8 |9 |10|11|12|13|14|15|16|17|18|19|20|21|22|23|24|25|26
h |e |l |l |o |o |o |  |f |i |s |h |  |f |j |f |i |s |h |  |h |s |h |f |i |s |h

                     h |s |h |f |i |s |h
                     0 |1 |2 |3 |4 |5 |6

“f”为坏字符，根据规则找到“f”在P中最近一次位置，为3，移动规则：

P右移位数： 6 - 3 = 3

P在T中对应位置： 7 + 3 = 10

0 |1 |2 |3 |4 |5 |6 |7 |8 |9 |10|11|12|13|14|15|16|17|18|19|20|21|22|23|24|25|26
h |e |l |l |o |o |o |  |f |i |s |h |  |f |j |f |i |s |h |  |h |s |h |f |i |s |h

                              h |s |h |f |i |s |h
                              0 |1 |2 |3 |4 |5 |6

“i”为坏字符,根据坏字符规则：

P右移位数： 6 - 4 = 2

P在T中对应位置： 10 + 2 = 12

0 |1 |2 |3 |4 |5 |6 |7 |8 |9 |10|11|12|13|14|15|16|17|18|19|20|21|22|23|24|25|26
h |e |l |l |o |o |o |  |f |i |s |h |  |f |j |f |i |s |h |  |h |s |h |f |i |s |h

                                    h |s |h |f |i |s |h
                                    0 |1 |2 |3 |4 |5 |6

得到坏字符“j”（T中14号下标），对应P中2号下标；得到好后缀“h”，“sh”，“ish”，“fish”，最长好后缀为“fish”

根据话字符规则：

P右移位数： 2 - (-1) = 3

P在T中对应位置： 12 + 3 = 15

好后缀位置为6，最长好后缀在P中最近位置为-1（P中无最近位置）。后缀“ish”和“sh”在P中位置为-1（P中不存在相应前缀），只有“h”在P中有相应前缀，位置为0

根据好后缀规则：

P右移位数： 6 - 0 = 6，

P在T中对应位置： 12 + 6 = 18

比较发现好后缀规则移动较大，选择好后缀规则移动

0 |1 |2 |3 |4 |5 |6 |7 |8 |9 |10|11|12|13|14|15|16|17|18|19|20|21|22|23|24|25|26
h |e |l |l |o |o |o |  |f |i |s |h |  |f |j |f |i |s |h |  |h |s |h |f |i |s |h

                                                      h |s |h |f |i |s |h
                                                      0 |1 |2 |3 |4 |5 |6

得到坏字符“i”（T中下标24，对应P中下标为6），在P中最近的“i”下标为4。

根据坏字符规则：

P右移位数： 6 - 4 = 2

P在T中对应位置： 18 + 2 = 20

0 |1 |2 |3 |4 |5 |6 |7 |8 |9 |10|11|12|13|14|15|16|17|18|19|20|21|22|23|24|25|26
h |e |l |l |o |o |o |  |f |i |s |h |  |f |j |f |i |s |h |  |h |s |h |f |i |s |h

                                                            h |s |h |f |i |s |h
                                                            0 |1 |2 |3 |4 |5 |6

匹配完成！