Boyer-Moore字符串搜索算法

Boyer-Moore字符串搜索算法

 在计算机科学里，Boyer-Moore字符串搜索算法是一种非常高效的字符串搜索算法。它由Bob Boyer和J Strother Moore设计于1977年。此算法仅对搜索目标字符串（关键字）进行预处理，而非被搜索的字符串。虽然Boyer-Moore算法的执行时间同样线性依赖于被搜索字符串的大小，但是通常仅为其它算法的一小部分：它不需要对被搜索的字符串中的字符进行逐一比较，而会跳过其中某些部分。通常搜索关键字越长，算法速度越快。它的效率来自于这样的事实：对于每一次失败的匹配尝试，算法都能够使用这些信息来排除尽可能多的无法匹配的位置。

 使用到的规则：（具体可在网上找一下）

 坏字符规则（Bad Character）：未出现，跳被检索串长；出现，以最短距离跳到字符
 好后缀规则（Good Suffix）：被匹配串中还有已匹配串，移到第二个已配的串；如果没有，移到被匹配串中的最大子串

 看代码吧，重点在注释（支持C环境，如果是OC环境，放执行到地方即可）

void table(char*); // 建立前进表
int search(int, char*, char*); // 搜寻关键字
void substring(char*, char*, int, int); // 取出子字串

int skip[256];

//主程序
char str_input[] = "asdfwewdfgw2332sssakwdkAasssAAaawdasdfss";
char str_key[] = "wd";
char tmp[80] = {'\0'};
int m, n, p;
m = strlen(str_input); //计算字串长度
n = strlen(str_key);
table(str_key);
p = search(n-1, str_input, str_key);//用n-1，如此可以对应数组的下标，n-1对应key的最后一个字符

while(p != -1) {
    substring(str_input, tmp, p, m);
    printf("%s\n", tmp);//打印从开始匹配的字符数组
    p = search(p+n+1, str_input, str_key); //再次进行搜索，看是不是还可以搜索到
    while (p != -1) {
        substring(str_input, tmp, p, m);
        printf("%s\n", tmp);//打印从开始匹配的字符数组
        p = -1;//结束吧，哈哈
    }
} 

//建立前进表
void table(char *key) {
    int k, n;
    n = strlen(key);
    for(k = 0; k <= 255; k++)
        skip[k] = n;//skip初始化，数组每个元素值为key的长度
    for(k = 0; k < n - 1; k++)//
        skip[key[k]] = n - k - 1;//被搜索串第k个字符所对应的跳跃字符数，这样以最右端的字符为准。如此以来，skip中保存的是“不连续”的一个数组。
}

//搜寻关键字
int search(int p, char* input, char* key) {
    int i, m, n;
    char tmp[80] = {'\0'};
    m = strlen(input);
    n = strlen(key);
    
    while(p < m) {
        substring(input, tmp, p-n+1, p);//p-n+1为key在input中起始字符下标，p对应末尾字符下标
        if(!strcmp(tmp, key)) // 比较两字串是否相同
            return p-n+1;//匹配到了！！！返回可匹配的input中下标
        p += skip[input[p]];//此次匹配失败，起始下标p右移，input[p]为经过匹配的最右字符，skip[input[p]]对应前面求出的key中根据该字符平移距离。如此，key整体右移skip[input[p]]距离，然后进行下一次匹配。
    }
    return -1;//终于还是匹配失败了
}

//取出子字串
void substring(char *text, char* tmp, int s, int e) {
    int i, j; 
    for(i = s, j = 0; i <= e; i++, j++) //截取input的一个子串，放到tmp中，这样tmp中就有数据了
        tmp[j] = text[i];
    tmp[j] = '\0'; 
}