(2012-07-14 16:17:28)
首先,先简单说明一下有关BM算法的一些基本概念。
BM算法是一种精确字符串匹配算法(区别于模糊匹配)。
BM算法采用从右向左比较 的方法,同时应用到了两种启发式规则,即坏字符规则 和好后缀规则,来决定向右跳跃的距离。
BM算法的基本流程: 设文本串T,模式串为P。首先将T与P进行左对齐,然后进行从右向左比较 ,如下图所示:
若是某趟比较不匹配时,BM算法就采用两条启发式规则,即坏字符规则 和好后缀规则 ,来计算模式串向右移动的距离,直到整个匹配过程的结束。
下面,来详细介绍一下坏字符规则 和好后缀规则 。
首先,诠释一下坏字符和好后缀的概念。
请看下图:
图中,第一个不匹配的字符(红色部分)为坏字符,已匹配部分(绿色)为好后缀。
1)坏字符规则(Bad Character):
在BM算法从右向左扫描的过程中,若发现某个字符x不匹配,则按如下两种情况讨论:
i. 如果字符x在模式P中没有出现,那么从字符x开始的m个文本显然不可能与P匹配成功,直接全部跳过该区域即可。
ii. 如果x在模式P中出现,则以该字符进行对齐。
用数学公式表示,设Skip(x)为P右移的距离,m为模式串P的长度,max(x)为字符x在P中最右位置。
例1:
下图红色部分,发生了一次不匹配。
计算移动距离Skip(c) = 5 - 3 = 2,则P向右移动2位。
移动后如下图:
2)好后缀规则(Good Suffix):
若发现某个字符不匹配的同时,已有部分字符匹配成功,则按如下两种情况讨论:
i. 如果在P中位置t处已匹配部分P'在P中的某位置t'也出现,且位置t'的前一个字符与位置t的前一个字符不相同,则将P右移使t'对应t方才的所在的位置。
ii. 如果在P中任何位置已匹配部分P'都没有再出现,则找到与P'的后缀P''相同的P的最长前缀x,向右移动P,使x对应方才P''后缀所在的位置。
用数学公式表示,设Shift(j)为P右移的距离,m为模式串P的长度,j 为当前所匹配的字符位置,s为t'与t的距离(以上情况i)或者x与P''的距离(以上情况ii)。
自此,两个规则讲解完毕。
在BM算法匹配的过程中,取SKip(x)与Shift(j)中的较大者作为跳跃的距离。
BM算法预处理时间复杂度为O(m+s),空间复杂度为O(s),s是与P, T相关的有限字符集长度,搜索阶段时间复杂度为O(m·n)。
最好情况下的时间复杂度为O(n/m),最坏情况下时间复杂度为O(m·n)。
代码:
#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#define ASIZE 256
#define XSIZE 10005
#define MAX(x,y) (x>y?x:y)
void preBmBc(char *x, int m, int bmBc[]) {
int i;
for (i = 0; i < ASIZE;++i)
bmBc[i] = m;
for (i = 0; i < m - 1;++i)
bmBc[x[i]] = m - i - 1;
}
void suffixes(char *x, int m, int *suff) {
int f, g, i;
suff[m - 1] = m;
g = m - 1;
for (i = m - 2; i >= 0;--i) {
if (i > g &&suff[i + m - 1 - f] < i - g)
suff[i] = suff[i + m- 1 - f];
else {
if (i < g)
g = i;
f = i;
while (g >= 0&& x[g] == x[g + m - 1 - f])
--g;
suff[i] = f - g;
}
}
}
void preBmGs(char *x, int m, int bmGs[]) {
int i, j, suff[XSIZE];
suffixes(x, m, suff);
for (i = 0; i < m; ++i)
bmGs[i] = m;
j = 0;
for (i = m - 1; i >= 0;--i)
if (suff[i] == i + 1)
for (; j < m - 1- i; ++j)
if (bmGs[j] == m)
bmGs[j] = m -1 - i;
for (i = 0; i <= m - 2;++i)
bmGs[m - 1 - suff[i]] =m - 1 - i;
}
void BM(char *x, int m, char *y, int n) {
int i, j, bmGs[XSIZE],bmBc[ASIZE];
int ans=0;
preBmGs(x, m, bmGs);
preBmBc(x, m, bmBc);
j = 0;
while (j <= n - m) {
for (i = m - 1; i >=0 && x[i] == y[i + j]; --i);
if (i < 0) {
++ans;
//printf("%d\n",j);
j += bmGs[0];
}
else
j += MAX(bmGs[i],bmBc[y[i + j]] - m + 1 + i);
}
printf("%d\n",ans);
}
char pattern[10005],str[1000005];
int main()
{
int n;
scanf("%d",&n);
getchar();
while(n--)
{
gets(pattern);
gets(str);
BM(pattern,strlen(pattern),str,strlen(str));
}
return 0;
}