字符串匹配算法之BM算法

时间:2020-12-18 09:25:02

  BM算法,全称是Boyer-Moore算法,1977年,德克萨斯大学的Robert S. Boyer教授和J Strother Moore教授发明了一种新的字符串匹配算法。

BM算法定义了两个规则:

1、坏字符规则:当文本串中的某个字符跟模式串的某个字符不匹配时,我们称文本串中的这个失配字符为坏字符,此时模式串需要向右移动,移动的位数 = 坏字符在模式串中的位置 - 坏字符在模式串中最右出现的位置。此外,如果"坏字符"不包含在模式串之中,则最右出现位置为-1。
2、好后缀规则:当字符失配时,后移位数 = 好后缀在模式串中的位置 - 好后缀在模式串上一次出现的位置,且如果好后缀在模式串中没有再次出现,则为-1。

关于坏字符规则和好后缀规则的具体讲解,以及怎么移动,可以查看阮一峰老师的详细讲解:http://www.ruanyifeng.com/blog/2013/05/boyer-moore_string_search_algorithm.html

这里根据讲解画了两张图,方便自己理解坏字符规则:

字符串匹配算法之BM算法字符串匹配算法之BM算法

字符串匹配算法之BM算法

2019年11月14日15:38:41 修改

具体代码如下:

     private static final int SIZE = 256; // 全局变量或者是局部变量

     /**
* 坏字符规则哈希表构建方法
*
* @param b
* 模式串
* @param m
* 模式串的长度
* @param bc
* 散列表
*/
private void generateBC(char[] b, int m, int[] bc) {
for (int i = 0; i < SIZE; ++i) {
bc[i] = -1; // 初始化bc
} for (int i = 0; i < m; ++i) {
int ascii = (int) b[i]; // 计算b[i]的ASCII值
bc[ascii] = i;
}
} /**
* 好后缀规则构建哈希表
*
* @param b
* 模式串
* @param m
* 模式串长度
* @param suffix
* suffix数组的下标 k,表示后缀子串的长度,
* 下标对应的数组值存储的是,在模式串中跟好后缀{u}相匹配的子串{u*}的起始下标值
* @param prefix
* 记录模式串的后缀子串是否能匹配模式串的前缀子串
*/
private void generateGS(char[] b, int m, int[] suffix, boolean[] prefix) {
for (int i = 0; i < m; ++i) { // 初始化
suffix[i] = -1;
prefix[i] = false;
} for (int i = 0; i < m - 1; ++i) {
int j = i;
int k = 0; // 公共后缀子串长度
while (j >= 0 && b[j] == b[m - 1 - k]) { // 与b[0, m-1]求公共后缀子串
--j;
++k;
suffix[k] = j + 1; // j+1表示公共后缀在b[0,i]中的起始下标
}
if (j == -1) {
prefix[k] = true; // 如果公共后缀子串也是模式串的后缀子串
}
}
} /**
* 完整的BM算法 好后缀+坏字符
*
* @param a
* 主串
* @param n
* 主串的长度
* @param b
* 模式串
* @param m
* 模式串的长度
* @return
*/
public int bm(char[] a, int n, char[] b, int m) {
int[] bc = new int[SIZE];
generateBC(b, m, bc); // 构建坏字符哈希表
int[] suffix = new int[m];
boolean[] prefix = new boolean[m];
generateGS(b, m, suffix, prefix); // 构建好字符哈希表
int i = 0; // j 表示主串与模式串匹配的第一个字符
while (i < n - m) {
int j = 0;
for (j = m - 1; j >= 0; --j) {// 模式串从后向前匹配
if (a[i + j] != b[j]) {
break; // 坏字符串
}
}
if (j < 0) {
return i;// 匹配成功,返回主串和模式串第一个匹配字符的位置
}
int x = j - bc[(int) a[i + j]];
int y = 0;
if (j < m - 1) { // 如果有好后缀的话
y = moveByGS(j, m, suffix, prefix);
}
i = i + Math.max(x, y);
}
return -1;
} private int moveByGS(int j, int m, int[] suffix, boolean[] prefix) {
int k = m - 1 - j; // 好后缀的长度
if (suffix[k] != -1) {
return j - suffix[k] + 1;
}
for (int r = j + 2; r <= m - 1; ++r) {
if (prefix[m - r] == true) {
return r;
}
}
return m;
}

现在再看BM算法,原来之前自己是一点也没弄懂!只是当做文章简单读了一遍,阿西吧!

首先,那个坏字符的散列表的构建就没有弄懂:

1、为什么在散列表数组中要初始化每一个值为-1?

这里是在坏字符匹配的时候,如果主串与模式串中字符没有匹配上(把坏字符在模式串中下标记做xi),此时的xi=-1

2、你有没有考虑过模式串中的相同的字符的ASCII码是相同的,那样循环处理的话,只是记录模式串中相同字符中最后面的那个字符的下标,没有问题吗?

这个是没有问题的!这里无非有两种情况,就是坏字符与非坏字符:

坏字符:因为是从后向前倒序匹配,只需要知道后面的字符下标,就可以计算出移动距离

非坏字符:需要去寻找坏字符或者使用好后缀规则

2019年11月14日15:34:37 修改

此大部分内容来自极客时间专栏,王争老师的《数据结构与算法之美》

极客时间:https://time.geekbang.org/column/intro/126