字符串模式匹配算法---BM算法_bm立体匹配原理-CSDN博客

Boyer-Moore（BM）算法原理

Boyer-Moore算法是基于后缀匹配的模式串匹配算法，模式串的匹配是从右向左的，但模式串的移动依然是从从左向右移动。关于如何高效的移动模式串，Boyer-Boore定义了两个规则：坏字符规则与好后缀规则。如下图：

坏字符规则：

如果坏字符没有出现在模式串中，直接将模式串移到坏字符对应的下一个字符对应的位置。如图c为坏字符，没有出现在模式串P中，直接将P移到c的下一个位置。

2.如果坏字符出现在模式串中，则需要将模式串中最靠近好后缀的坏字符与母串的坏字符对齐（后面的代码并没有实现这一步）。

好后缀规则：

1. 模式串中有子串与好后缀匹配，此时移动模式串，让该子串与母串中的好后缀对齐即可；如果模式串中有多个子串与好后缀匹配，则选择最靠近好后缀的子串对齐即可。

2. 模式串中没有子串匹配上好后缀，此时需要寻找模式串中的一个最长前缀，并让该前缀等于好后缀的后缀。寻找到该前缀后，让该前缀与好后缀的后缀对齐即可。

3. 模式串中找不到子串与好后缀匹配，同时也找不到最长前缀，让该前缀与好后缀的后缀匹配。此时，移动模式串与母串中好后缀的下一个字符对齐即可。

Boyer-Moore算法步骤

1.对模式子串进行预处理

Boyer-Moore算法实现必须对模式串进行预处理，得到坏字符规则和好后缀规则移动的映射表，下面代码中MakeSkip是建立坏字符规则移动的映射表，MakeShift是建立好后缀规则的移动映射表。

MakeSkip是构造数组skip[]，skip[k]表示字符k距离模式串末尾的距离。

MakeShfit是构造数组shfit[]，shfit[k]表示模式串的以位置k为边界的后缀子串的最靠近的模式子串（或最前缀子串）到模式子串末尾的距离，例如：abcab，shfit[3]=3和shfit[2]=3（即都是第一个b到末尾的距离），k=2时，后缀子串为cab，这时只有最长前缀ab，shfit[2]=3。

2.从b_idx开始查找，得到坏字符和好后缀，得到最大移动距离，移动b_idx，直至b_idx到达母串的末尾。

Boyer-Moore算法实现

/*
    函数：int* MakeSkip(char *, int)
	目的：根据坏字符规则做预处理，建立一张坏字符表
	参数：
		ptrn => 模式串P
		PLen => 模式串P长度
    返回：
	    int* - 坏字符表
*/
int* MakeSkip(char *ptrn, int pLen)
{	
	int i;
	//为建立坏字符表，申请256个int的空间
	/*PS:之所以要申请256个，是因为一个字符是8位，
	  所以字符可能有2的8次方即256种不同情况*/
	int *skip = (int*)malloc(256*sizeof(int));

	if(skip == NULL)
	{
		fprintf(stderr, "malloc failed!");
		return 0;
	}	

	//初始化坏字符表，256个单元全部初始化为pLen，没有在模式串出现的字符距离为pLen。
	for(i = 0; i < 256; i++)
	{
		*(skip+i) = pLen;
	}

	//给表中需要赋值的单元赋值，不在模式串中出现的字符就不用再赋值了
	while(pLen != 0)
	{
		*(skip+(unsigned char)*ptrn++) = pLen--;
	}

	return skip;
}


/*
	函数：int* MakeShift(char *, int)
	目的：根据好后缀规则做预处理，建立一张好后缀表
	参数：
		ptrn => 模式串P
		PLen => 模式串P长度
    返回：
	    int* - 好后缀表
*/
int* MakeShift(char* ptrn,int pLen)
{
	//为好后缀表申请pLen个int的空间
	int *shift = (int*)malloc(pLen*sizeof(int));
	int *sptr = shift + pLen - 1;//方便给好后缀表进行赋值的指标
	char *pptr = ptrn + pLen - 1;//记录好后缀表边界位置的指标
	char c;

	if(shift == NULL)
	{
		fprintf(stderr,"malloc failed!");
		return 0;
	}

	c = *(ptrn + pLen - 1);//保存模式串中最后一个字符，因为要反复用到它

	*sptr = 1;//以最后一个字符为边界时，确定移动1的距离

	pptr--;//边界移动到倒数第二个字符（这句是我自己加上去的，因为我总觉得不加上去会有BUG，大家试试“abcdd”的情况，即末尾两位重复的情况）

	while(sptr-- != shift)//该最外层循环完成给好后缀表中每一个单元进行赋值的工作
	{
		char *p1 = ptrn + pLen - 2, *p2,*p3;
		
		//该do...while循环完成以当前pptr所指的字符为边界时，要移动的距离
		do{
			while(p1 >= ptrn && *p1-- != c);//该空循环，寻找与最后一个字符c匹配的字符所指向的位置
			
			p2 = ptrn + pLen - 2;
			p3 = p1;
			
			while(p3 >= ptrn && *p3-- == *p2-- && p2 >= pptr);//该空循环，判断在边界内字符匹配到了什么位置

		}while(p3 >= ptrn && p2 >= pptr);

		*sptr = shift + pLen - sptr + p2 - p3;//保存好后缀表中，以pptr所在字符为边界时，要移动的位置
		/*
		  PS:在这里我要声明一句，*sptr = （shift + pLen - sptr） + p2 - p3;
		     大家看被我用括号括起来的部分，如果只需要计算字符串移动的距离，那么括号中的那部分是不需要的。
			 因为在字符串自左向右做匹配的时候，指标是一直向左移的，这里*sptr保存的内容，实际是指标要移动
			 距离，而不是字符串移动的距离。我想SNORT是出于性能上的考虑，才这么做的。			 
		*/

		pptr--;//边界继续向前移动
	}

	return shift;
}


/*
	函数：int* BMSearch(char *, int , char *, int, int *, int *)
	目的：判断文本串T中是否包含模式串P
	参数：
	    buf => 文本串T
		blen => 文本串T长度
		ptrn => 模式串P
		PLen => 模式串P长度
		skip => 坏字符表
		shift => 好后缀表
    返回：
	    int - 1表示成功（文本串包含模式串），0表示失败（文本串不包含模式串）。
*/
int BMSearch(char *buf, int blen, char *ptrn, int plen, int *skip, int *shift)
{
	int b_idx = plen;  
	if (plen == 0)
		return 1;
	while (b_idx <= blen)//计算字符串是否匹配到了尽头
	{
		int p_idx = plen, skip_stride, shift_stride;
		while (buf[--b_idx] == ptrn[--p_idx])//开始匹配
		{
 			if (b_idx < 0)
				return 0;
			if (p_idx == 0)
			{     
				return 1;
			}
		}
		skip_stride = skip[(unsigned char)buf[b_idx]];//根据坏字符规则计算跳跃的距离
		shift_stride = shift[p_idx];//根据好后缀规则计算跳跃的距离
		b_idx += (skip_stride > shift_stride) ? skip_stride : shift_stride;//取大者
	}
	return 0;
}