boyer moore算法 java_Boyer-Moore算法

我们已经讲了字符串匹配算法——Horspool算法，小伙伴们有没有学会啊，今天我们要讲的是一个更复杂一点的Boyer-Moore算法。

如果模式最右端的字符和文本中的字符匹配失败，该算法会做出和Horspool算法一样的处理。但是在一个不匹配的字符之前，已经有k (k>0)个字符匹配成功了，这两个算法的处理方式便不一样了。

BM算法有两个移动的表对照，分别是坏符号移动表和好后缀移动表。

坏符号移动

导致这种移动的原因和horspool算法是一样的。如果匹配失败的字符c不在模式中，我们把模式移动到恰好跳过这个字符的位置。可以用公式t1(c)-k来计算移动距离，其中 t1(c)是horspool算法算出来的字符移动表，k是已经成功匹配的字符个数。但是我们显然不想让字符串不移动或者反方向移动，所以在t1(c)-k 为负数或等于0时，向后移动一个位置。

好后缀移动

这一种移动方式是由模式字符串中最后k>0个成功匹配的字符所决定的。我们把模式结尾部分的长度为k的后缀记作suff(k)，在模式中存在另一个suff(k)时，如果以相同字符作为后继我们将模式移动过去是没有意义的 ，因为会出现同样的匹配错误；但不同后继时，我们可以移动从右数第二个suff(k)所在的位置。

事实上，当不存在以不同字符为后继的suff(k)时，我们不能直接移动整个字符串的长度，因为在有些情况下会出错。就像ABCBAB，并且K=3，移动六个字符显然会漏一个匹配的字符串，因为开头的AB与结尾的两个字符相同，而在AB之前没有其他字符串了，这个时候便要考虑一下suff(k)的字串了。

举例来说一下好后缀移动吧，如果字符串"ABCDAB"的后一个"AB"是"好后缀"。那么它的位置是5(从0开始计算，取最后的"B"的值)，在"搜索词中的上一次出现位置"是1(第一个"B"的位置)，所以后移 4-0=4位，前一个"AB"移到后一个"AB"的位置。

再举一个例子，如果字符串"ABCDEF"的"EF"是好后缀，则"EF"的位置是5 ，上一次出现的位置是 -1(即未出现)，所以后移 5-(-1)= 6位，即整个字符串移到"F"的后一位。

def getBMBC(pattern):

# 预生成坏字符表

BMBC = dict()

for i in range(len(pattern) - 1):

char = pattern[i]

# 记录坏字符最右位置(不包括模式串最右侧字符)

BMBC[char] = i + 1

return BMBC

def getBMGS(pattern):

# 预生成好后缀表

BMGS = dict()

BMGS[''] = 0

for i in range(len(pattern)):

# 好后缀

GS = pattern[len(pattern) - i - 1:]

for j in range(len(pattern) - i - 1):

NGS = pattern[j:j + i + 1]

if GS == NGS:

BMGS[GS] = len(pattern) - j - i - 1

return BMGS

def BM(string, pattern):

m = len(pattern)

n = len(string)

i = 0

j = m

indies = []

BMBC = getBMBC(pattern=pattern) # 坏字符表

BMGS = getBMGS(pattern=pattern) # 好后缀表

while i < n:

while (j > 0):

if i + j -1 >= n:

return indies

# 主串判断匹配部分

a = string[i + j - 1:i + m]

b = pattern[j - 1:]

if a == b:

j = j - 1

else:

i = i + max(BMGS.setdefault(b[1:], m), j - BMBC.setdefault(string[i + j - 1], 0))

j = m

# 匹配成功返回匹配位置

if j == 0:

indies.append(i)

i += 1

j = len(pattern)

欢迎关注我们的公众号，学习算法和人工智能知识

算法与数学.png