Sunday算法（字符串查找、匹配）

 

　　字符串查找算法中，最著名的兩個是KMP算法（Knuth-Morris-Pratt)和BM算法（Boyer-Moore)。兩個算法在最壞狀況下均具備線性的查找時間。可是在實用上，KMP算法並不比最簡單的c庫函數strstr()快多少，而BM算法則每每比KMP算法快上3－5倍。可是BM算法還不是最快的算法，這裏介紹一種比BM算法更快一些的查找算法。
　　例如咱們要在"substring searching algorithm"查找"search"，剛開始時，把子串與文本左邊對齊，

substring searching algorithm search ^

　　結果在第二個字符處發現不匹配，因而要把子串日後移動。可是該移動多少呢？這就是各類算法各顯神通的地方了，最簡單的作法是移動一個字符位置；KMP是利用已經匹配部分的信息來移動；BM算法是作反向比較，並根據已經匹配的部分來肯定移動量。這裏要介紹的方法是看緊跟在當前子串以後的那個字符（上圖中的'i')。

　　顯然，無論移動多少，這個字符是確定要參加下一步的比較的，也就是說，若是下一步匹配到了，這個字符必須在子串內。因此，能夠移動子串，使子串中的最右邊的這個字符與它對齊。如今子串'search'中並不存在'i'，則說明能夠直接跳過一大片，從'i'以後的那個字符（即‘n’）開始做下一步的比較，以下圖：

substring searching algorithm            search          ^

　　比較的結果，第一個字符就不匹配，再看子串後面的那個字符，是'r',它在子串中出如今倒數第三位，因而把子串向前移動三位，使兩個'r'對齊，以下：

substring searching algorithm
              search

　　哈！此次匹配成功了！回顧整個過程，咱們只移動了兩次子串就找到了匹配位置，是否是很神啊?!能夠證實，用這個算法，每一步的移動量都比BM算法要大，因此確定比BM算法更快。

下面是這個算法的c代碼。注意我假設了每一個字符的值都介於0-127之間（即純ascii碼）。

 

 1 #ifndef SUNDAY_H
 2 #define SUNDAY_H
 3 
 4 /********************************************************
 5 Sunday算法：
 6     假設源字符串爲src，匹配串爲pattern。
 7     若是src的某字符不匹配：
 8     （1）該字符在pattern中，且在pattern中最右邊的位置爲n。那麼
 9     下次匹配直接移動pattern使得n的位置和該字符的位置對應的地方。
10     （2）該字符不在pattern中，顯然沒有比較的意義，則直接跳過去，
11     將pattern的頭部移到與該字符下一個字符對應的位置。
12 *********************************************************/
13 
14 #include <string.h>
15 #include <stdio.h>
16 
17 // 假設出現的字符都是0~127範圍內的，即都是ascii字符
18 char *sunday(const char *src, char *pattern) {
19     if (NULL == src)
20         return NULL;
21     if (NULL == pattern)
22         return (char *)src;
23 
24     int len1, len2, shift[128];
25 
26     len1 = strlen(src);
27     len2 = strlen(pattern);
28 
29     // construct shitf table
30     for (int i = 0; i < 128; i++)
31         shift[i] = len2 + 1;  // 默認是移動len2+1，即直接跳過
32             
33     // adjust shift table
34     const char *p;
35     for (p = pattern; *p; p++)
36         shift[*p] = len2 - (p - pattern); // p-pattern爲字符相對於第一個元素的偏移量，len2-(p-pattern)則表示從右往左數的偏移量，即要移動的步數
37 
38     const char *s, *pSrc = src;
39     // start search
40     while (pSrc + len2 <= src + len1) { // 若是pSrc + len2不越界(若越界，則說明src剩餘未匹配的字符數量小於pattern的長度，則確定不會匹配成功)
41         for (p = pattern, s = pSrc; *p; ++p, ++s) 
42             if (*p != *s) // mistach
43                 break;// break內循環            
44         
45         if ('\0' == *p)  // found it!
46             return (char *)pSrc;
47 
48         pSrc += shift[pSrc[len2]]; // pSrc[len2]取出下一個須要匹配的字符，shift[pSrc[len2]]取出該字符須要讓指針移動多少步
49     }
50 
51     return NULL;
52 }
53 
54 #endif

 

 

 

 下面是main：

 1 #include "Sunday.h"
 2 
 3 int main() {
 4     char *src = "123456789", *patt = "234";
 5     char *ret = sunday(src, patt);
 6 
 7     printf("%s\n", ret);
 8 
 9     return 0;
10 }

 

　　代碼最後：pSrc += shift[pSrc[len2]];這裏。

舉個例子來理解下，好比：

123456789

  237

那麼4和7不匹配，len2就表示'5'這個位置，因此pSrc[len2]表示取出'5'這個字符。

因此pSrc下次就移動到'5'這個位置從新開始匹配了。

 

 

ref：http://operatingfocus.bokee.com/3557609.html