BM 算法是一个较优的模式匹配算法。一般,如果不考虑模式串的长度,一个具有时间复杂度O(n)的算法应该是最优的了,但是事实不是如此。BM算法可以实现更高效率的模式匹配。分析和实验说明,BM匹配算法对于那些字符集比较大,而模式串中出现的字符比较少的时候,工作效率最快。而且,考虑KMP匹配方式的优化,可以结合KMP匹配和BM匹配,进一步提高效率。
算法的关键和 KMP 类似,也是构造一个辅助数组,不过,不同于KMP算法的是,BM算法的辅助数组大小只和匹配串的字符集大小相关(一般情况下也就是ASCII字符集,256个字符),其内容和模式串相关,辅助数组的内容即是模式串的索引:position[patten[i]]=i; 也是相当简单的辅助数组构造。
例如:
文本串:My-Name-Is-MaiK-I-Love-Kuraki-Mai
匹配串:Kuraki
(1) My-Name-Is-MaiK-I-Love-Kuraki-Mai
Kuraki
匹配失败对应的字符为’m’,在匹配串中没有出现,直接跳过即可。
(2) My-Name-Is-MaiK-I-Love-Kuraki-Mai
Kuraki
匹配失败对应的字符为’M’,在匹配串中没有出现,直接跳过即可。
(3) My-Name-Is-MaiK-I-Love-Kuraki-Mai
Kuraki
匹配失败对应的字符为’-’,在匹配串中没有出现,直接跳过即可。
(4) My-Name-Is-MaiK-I-Love-Kuraki-Mai
Kuraki
匹配失败对应的字符为’K’,在匹配串中最左端出现,步长为5
(5) My-Name-Is-MaiK-I-Love-Kuraki-Mai
Kuraki
匹配成功。
一个简单的例子:
#include
#include
#include
/* 辅助数组,取决于字符集和,默认的采用 ASCII字符集,256个元素*/
#define LEN 256
int BMMatcher(char *s, char *p, int index, int *position)
/*
参数说明:
char *s: 匹配串
int nLength 匹配串长度
char *p: 模式串
int index: 模式串匹配的起始位置,是匹配串的索引
int position[] 辅助数组,
*/
{
int len = strlen(s);
int i,j, nextindex;
i = strlen(p)-1;
j = index+strlen(p)-1;
for(; i>=0; i--, j--)
{
if(s[j] != p[i])break;
}
if(i<0)
return 0; /*匹配成功*/
else if(position[BYTE (s[j])]>0) //0xff=-1
nextindex = index + i - position[BYTE (s[j])];
else
nextindex = index + 1;
if(nextindex > len-strlen(p))
return -1; /*匹配失败,无法进行下一次匹配*/
else
return nextindex; /*匹配失败,需要下一次匹配*/
}
/*测试, 匹配串 和 模式串都使用小写字符*/
int main()
{
int position[LEN]={0}; /*辅助数组*/
char *src="it is just a test, what would you do?"; /*匹配串*/
char *patten="what would"; /*模式串*/
int i, nextindex, index=-2, pos=0;
for(i=0; i
position[patten[i]]=i;
index = BMMatcher(src, patten, 0, position);
while(!(index==-1 || index==0)) /*循环匹配,直到匹配成功,或者匹配失败结束*/
{
nextindex = index;
index = BMMatcher(src, patten, nextindex, position);
}
if(index == -1)
printf("Can not find it/n");
if(index == 0)
printf("Find it, the index is: %d./n", nextindex);
system("PAUSE");
return 0;
}