字符串匹配boyer moore..字符数

Posted 2023-02-22

【中文标题】字符串匹配boyer moore..字符数

【英文标题】：string matching boyer moore..number of characters

【发布时间】：2020-07-31 14:47:21

【问题描述】：

在许多使用 Boyer moore 算法的例子中，有一个 256 个字符的声明，我不知道这个数字代表什么..请帮助

来自 (https://en.wikipedia.org/wiki/Boyer%E2%80%93Moore%E2%80%93Horspool_algorithm) 的示例：

function preprocess(pattern)
    T ← new table of 256 integers
    for i from 0 to 256 exclusive
        T[i] ← length(pattern)
    for i from 0 to length(pattern) - 1 exclusive
        T[pattern[i]] ← length(pattern) - 1 - i
    return T

【参考方案1】：

声明字母表中有256 个字符。

这一字节限制对于 ASCII 来说非常有效。但是如果您需要 Unicode，那么您还需要在表 T 中提供更多空间。事实上，这种空间依赖性对于算法的分析是必不可少的。

正如***文章所说：

该算法以空间换时间，以便在随机文本上获得O(n) 的平均情况复杂度，尽管在最坏的情况下它具有O(nm)，其中模式的长度为m，长度为搜索字符串是n。

Boyer-Moore 平均是O(n+m)，所以理论上更快。在最好的情况下它们是相同的，在病理情况下，BMH 可能比 BM 更容易出轨。但在实践中，Boyer-Moore-Horspool 的实现速度更快，因为它明智地使用了空间。这让我们回到那张桌子T。

固定尺寸​​的桌子已经过时了。您可能会使用 dict 或 HashMap 或任何您选择的语言来代替。

对于捕获所有 Unicode 字符的情况，这大大降低了表格的成本。事实上，它将空间使用率从O(v) 降低到O(min(v, n+m))。

请小心使用哈希支持的数据结构，以免在运行时意外添加一些 log(v) 因子（或更糟）。