字符串匹配算法之BM算法理论知识图解

这一节，主要会讲BM算法和KMP算法，在说之前，我们先想象一种场景，文本编辑器里面的查找替换功能，应该都知道吧，比如，我们在word中把一个单词替换成另一个，用的就是这个功能。你有没有想过，这是怎么实现的呢？

当然，用上次专栏说的BF暴力法和RK哈希匹配，也可以实现这个功能，但是BM性能差，RK计算哈希比较复杂，所以实现这项功能又并不是那么简单的。

对于工业级的软件开发来讲，我们希望算法那可以尽可能的高效，并且可以在极端的情况下，性能也不会退化的太严重。

那么，对于查找关键的软件来说，是如何实现的呢？

BM算法核心思想

我们把模式串和主串的匹配过程，看作模式串在主串中不停地往后滑动。当遇到不匹配的字符时，BF算法 和RK算法的做法是，模式串往后滑动一位，然后从模式串的第一个字符开始重新匹配。我举个例子解释一 下，你可以看我画的这幅图。

在这个例子里，主串中的c，在模式串中是不存在的，所以，模式串向后滑动的时候，只要c与模式串有重 合，肯定无法匹配。所以，我们可以一次性把模式串往后多滑动几位，把模式串移动到c的后面。

由现象找规律，你可以思考一下，当遇到不匹配的字符时，有什么固定的规律，可以将模式串往后多滑动几 位呢？这样一次性往后滑动好几位，那匹配的效率岂不是就提高了？

我们今天要讲的BM算法，本质上其实就是在寻找这种规律。借助这种规律，在模式串与主串匹配的过程 中，当模式串和主串某个字符不匹配的时候，能够跳过一些肯定不会匹配的情况，将模式串往后多滑动几 位。

BM算法原理分析

BM算法包含两部分，分别是坏字符规则（bad character rule）和好后缀规则 （good suffix shift）。我们下 面依次来看，这两个规则分别都是怎么工作的。

1. 坏字符规则

前面描述的算法，在匹配的过程中，我们都是按照模式串的下标从小到大的顺序，依次与主串的字符进行匹配的。这种匹配顺序比较符合我们的思维习惯，而BM算法的匹配顺序比较特别，它是按照模式串下标从大到小的顺序倒着匹配的。

我们从模式串的末尾往前倒着匹配，当我们发现某个字符没法匹配的时候。我们把这个没有匹配的字符叫作 坏字符。

然后我们拿到坏字符c在模式串查找，发现不存在c，那么我们就可以将a后移三位，然后再从末尾字符比较，以此类推。

这时候我们发现，aca和abd还是对应不上，那么我们就再往后移动3位让bdc对应上我们的模式串abd吗？不是的，因为我们发现aca末尾的a在模式串中是可以对应上的，所以再移动只能让abd对应上abd

当不匹配的时候吗，我们把坏字符对应的模式串中的字符下标记记做si。如果坏字符在模式串中存在，我们就把这个坏字符在模式串中的下标记做xi。如果不存在，我们就把xi记做-1。那模式串往后移动的位数就等于si-xi（注意，我们这里说的是小表，都是字符在模式串的下标）。

但是多说一句，如果坏字符在模式串中多次出现，那我们在计算xi的时候，选择最靠后的那个，因为这样不会让模式串滑动过多，导致本来可能匹配的情况被滑动略过。

利用坏字符规则，BM算法在最好的情况时，时间复杂度只有O(n/m)。比如，主串是aaabaaabaaabaaab，模式串是baaa。每次比对都可以后移四位，这种情况就会十分高效，但是也有例外：

如果主串是aaaaaaaaaaaaa，模式串是baaaa。不但不会向后滑动，甚至会倒退，这时候，BM算法还需要用到好后缀原则。

2. 好后缀原则

好后缀规则实际上跟坏字符规则的思路很类似。你看我下面这幅图。当模式串滑动到图中的位置的时候，模 式串和主串有2个字符是匹配的，倒数第3个字符发生了不匹配的情况。

这个时候该如何滑动模式串呢？当然，我们还可以利用坏字符规则来计算模式串的滑动位数，不过，我们也 可以使用好后缀处理规则。两种规则到底如何选择，我稍后会讲。抛开这个问题，现在我们来看，好后缀规 则是怎么工作的？

我们把已经匹配的bc叫做好后缀，记做{u}。我们拿他在模式串中查找，如果找到了另一个跟{u}相匹配的子串{u*}，那我们就将模式串滑动到子串{u*}与主串中{u}对齐的位置。

如果在模式串中找不到另一个等于{u}的子串，我们就直接将模式串，滑动到主串中{u}的后面，因为之前的 任何一次往后滑动，都没有匹配主串中{u}的情况。

不过这样做，有可能就会错过正确的匹配答案

如果好后缀在模式串中不存在可匹配的子串，那在我们一步一步往后滑动模式串的过程中，只要主串中的 {u}与模式串有重合，那肯定就无法完全匹配。但是当模式串滑动到前缀与主串中{u}的后缀有部分重合的时 候，并且重合的部分相等的时候，就有可能会存在完全匹配的情况。

所以，针对这种情况，我们不仅要看好后缀在模式串中，是否有另一个匹配的子串，我们还要考察好后缀的 后缀子串，是否存在跟模式串的前缀子串匹配的。

所谓某个字符串s的后缀子串，就是最后一个字符跟s对齐的子串，比如abc的后缀子串就包括c, bc。所谓前 缀子串，就是起始字符跟s对齐的子串，比如abc的前缀子串有a，ab。我们从好后缀的后缀子串中，找一个 最长的并且能跟模式串的前缀子串匹配的，假设是{v}，然后将模式串滑动到如图所示的位置。