字符串匹配算法-BM
Posted 刘超
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了字符串匹配算法-BM相关的知识,希望对你有一定的参考价值。
在用于查找子字符串的算法中,BM(Boyer-Moore)算法是当前有效且应用比较广泛的一种算法,各种文本编辑器的“查找”功能(Ctrl+F),大多采用Boyer-Moore算法。比我们学习的KMP算法快3~5倍。
在1977年,Boyer-Moore算法由德克萨斯大学的Robert S. Boyer教授和J Strother Moore教授发明
下面通过Java实现BM算法:
package com.buaa; import java.util.Random; /** * @ProjectName StringPatternMatchAlgorithm * @PackageName com.buaa * @ClassName BM * @Description TODO * @Author 刘吉超 * @Date 2016-05-26 22:26:08 */ public class BM { /** * 利用坏字符规则计算移动位数 */ public static int badCharacter(String moduleString, char badChar,int badCharSuffix){ return badCharSuffix - moduleString.lastIndexOf(badChar, badCharSuffix); } /** * 利用好后缀规则计算移动位数 */ public static int goodCharacter(String moduleString,int goodCharSuffix){ int result = -1; // 模式串长度 int moduleLength = moduleString.length(); // 好字符数 int goodCharNum = moduleLength -1 - goodCharSuffix; for(;goodCharNum > 0; goodCharNum--){ String endSection = moduleString.substring(moduleLength - goodCharNum, moduleLength); String startSection = moduleString.substring(0, goodCharNum); if(startSection.equals(endSection)){ result = moduleLength - goodCharNum; } } return result; } /** * BM匹配字符串 * * @param originString 主串 * @param moduleString 模式串 * @return 若匹配成功,返回下标,否则返回-1 */ public static int match(String originString, String moduleString){ // 主串 if (originString == null || originString.length() <= 0) { return -1; } // 模式串 if (moduleString == null || moduleString.length() <= 0) { return -1; } // 如果模式串的长度大于主串的长度,那么一定不匹配 if (originString.length() < moduleString.length()) { return -1; } int moduleSuffix = moduleString.length() -1; int module_index = moduleSuffix; int origin_index = moduleSuffix; for(int ot = origin_index; origin_index < originString.length() && module_index >= 0;){ char oc = originString.charAt(origin_index); char mc = moduleString.charAt(module_index); if(oc == mc){ origin_index--; module_index--; }else{ // 坏字符规则 int badMove = badCharacter(moduleString,oc,module_index); // 好字符规则 int goodMove = goodCharacter(moduleString,module_index); // 下面两句代码可以这样理解,主串位置不动,模式串向右移动 origin_index = ot + Math.max(badMove, goodMove); module_index = moduleSuffix; // ot就是中间变量 ot = origin_index; } } if(module_index < 0){ // 多减了一次 return origin_index + 1; } return -1; } /** * 随机生成字符串 * * @param length 表示生成字符串的长度 * @return String */ public static String generateString(int length) { String baseString = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789"; StringBuilder result = new StringBuilder(); Random random = new Random(); for (int i = 0; i < length; i++) { result.append(baseString.charAt(random.nextInt(baseString.length()))); } return result.toString(); } public static void main(String[] args) { // 主串 // String originString = generateString(10); String originString = "HERE IS A SIMPLE EXAMPLE"; // 模式串 // String moduleString = generateString(4); String moduleString = "EXAMPLE"; // 坏字符规则表 // int[] badCharacterArray = badCharacter(originString,moduleString); System.out.println("主串:" + originString); System.out.println("模式串:" + moduleString); int index = match(originString, moduleString); System.out.println("匹配的下标:" + index); } }
下面,我来解释上面代码
首先先明确两个规则:坏字符规则、好后缀规则
1、坏字符规则
后移位数 = 坏字符的位置 - 模式串中的坏字符上一次出现位置
如果"坏字符"不包含在模式串之中,则上一次出现位置为 -1。以下面这两个字符串为例
因为"P"与"E"不匹配,所以"P"被称为"坏字符",它出现在模式串(模式串就是EXAMPLE)的第6位(从0开始编号),在模式串中的上一次出现位置为4,所以后移 6 - 4 = 2位
2、好后缀规则
后移位数 = 好后缀的位置 - 模式串中的上一次出现位置
举例来说,如果模式串"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),在模式串中的上一次出现位置是1(第一个"B"的位置),所以后移 5 - 1 = 4位,前一个"AB"移到后一个"AB"的位置。
再举一个例子,如果模式串"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。
这个规则有三个注意点:
(1)"好后缀"的位置以最后一个字符为准。假定"ABCDEF"的"EF"是好后缀,则它的位置以"F"为准,即5(从0开始计算)。
(2)如果"好后缀"在模式串中只出现一次,则它的上一次出现位置为 -1。比如,"EF"在"ABCDEF"之中只出现一次,则它的上一次出现位置为-1(即未出现)。
(3)如果"好后缀"有多个,这时应该选择最长的那个"好后缀"且它的上一次出现位置必须在头部。比如,假定"BABCDAB"的"好后缀"是"DAB"、"AB"、"B",这时"好后缀"的上一次出现位置是什么?回答是,此时采用的好后缀是"B",它的上一次出现位置是头部,即第0位,其他好后缀上一次出现的位置都不在头部
规则讲完啦,接下说一下上面代码
1、假定主串为"HERE IS A SIMPLE EXAMPLE",模式串为"EXAMPLE",模式串也就是搜索词
主串 |
HERE IS A SIMPLE EXAMPLE |
模式串 |
EXAMPLE |
2、首先,主串与模式串头部对齐,从尾部开始比较。这是一个很聪明的想法,因为如果尾部字符不匹配,那么只要一次比较,就可以知道前7个字符(整体上)肯定不是要找的结果。我们看到,"S"与"E"不匹配。这时,"S"就被称为"坏字符"(bad character),这时用坏字符规则得到的是7,用好后缀规则得到的是-1,选择大的作为后移位数,这里选择7
3、依然从尾部开始比较,发现"P"与"E"不匹配,所以"P"是"坏字符"。
4、这时用坏字符规则得到的是2,用好后缀规则得到的是-1,选择大的作为后移位数,这里选择2
5、依然从尾部开始比较,"E"与"E"匹配。
6、比较前面一位,"LE"与"LE"匹配。
7、比较前面一位,"PLE"与"PLE"匹配
8、比较前面一位,"MPLE"与"MPLE"匹配。我们把这种情况称为"好后缀"(good suffix),即所有尾部匹配的字符串。注意,"MPLE"、"PLE"、"LE"、"E"都是好后缀
9、比较前一位,发现"I"与"A"不匹配。所以,"I"是"坏字符",这时用坏字符规则得到的是3,用好后缀规则得到的是6,选择大的作为后移位数,这里选择6
10、继续从尾部开始比较,"P"与"E"不匹配,因此"P"是"坏字符"。这时用坏字符规则得到的是2,用好后缀规则得到的是-1,选择大的作为后移位数,这里选择2
11. 从尾部开始逐位比较,发现全部匹配,于是搜索结束
如果,您认为阅读这篇博客让您有些收获,不妨点击一下右下角的【推荐】。
如果,您希望更容易地发现我的新博客,不妨点击一下左下角的【关注我】。
如果,您对我的博客所讲述的内容有兴趣,请继续关注我的后续博客,我是【刘超★ljc】。
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。
以上是关于字符串匹配算法-BM的主要内容,如果未能解决你的问题,请参考以下文章