模式匹配之Boyer-Moore算法

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/*构造辅助数组，关键的一步，但是很简单*/
  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;
}