字符串匹配算法之Sunday算法

    字符串匹配查找算法中，最著名的两个是KMP算法（Knuth-Morris-Pratt)和BM算法（Boyer-Moore)。两个算法在最坏情况下均具有线性的查找时间。但是在实用上，KMP算法并不比最简单的C库函数strstr()快多少，而BM算法则往往比KMP算法快上3－5倍(未亲身实践)。但是BM算法还不是最快的算法，这里介绍一种比BM算法更快一些的查找算法Sunday算法。

    Sunday算法的思想和BM算法中的坏字符思想非常类似。差别只是在于Sunday算法在匹配失败之后，是取目标串中当前和Pattern字符串对应的部分后面一个位置的字符来做坏字符匹配。

    当发现匹配失败的时候就判断母串中当前偏移量+Pattern字符串长度+1处(假设为K位置)的字符在Pattern字符串中是否存在。如果存在，则将该位置和Pattern字符串中的该字符对齐，再从头开始匹配；如果不存在，就将Pattern字符串向后移动，和母串k+1处的字符对齐，再进行匹配。重复上面的操作直到找到，或母串被找完结束。

    动手写了个小例子来实现以下这个算法。

    在代码中，实现了两种字符串匹配算法，一种是Sunday方式，一种是普通的每次移动一位的方式，二者的效率对比在main函数中有，都是纳秒级别。算法的详细步骤，在代码中已经添加了相应的注释。关于BM算法，下次空了再一起对照着分析。

  1 import java.util.HashMap;

  2 import java.util.LinkedList;

  3 import java.util.List;

  4 import java.util.Map;

  5 

  6 /** 

  7  * @author Scott

  8  * @date 2013年12月28日 

  9  * @description

 10  */

 11 public class SundySearch {

 12     String text = null;

 13     String pattern = null;

 14     int currentPos = 0;

 15 

 16     /**

 17      * 匹配后的子串第一个字符位置列表

 18      */

 19     List<Integer> matchedPosList = new LinkedList<Integer>();

 20     

 21     /**

 22      * 匹配字符的Map,记录改匹配字符串有哪些char并且每个char最后出现的位移

 23      */

 24     Map<Character, Integer> map = new HashMap<Character, Integer>();

 25 

 26     public SundySearch(String text, String pattern) {

 27         this.text = text;

 28         this.pattern = pattern;

 29         this.initMap();

 30     };

 31 

 32     /**

 33      * Sunday匹配时，用来存储Pattern中每个字符最后一次出现的位置，从左到右的顺序

 34      */

 35     private void initMap() {

 36         for (int i = 0; i < pattern.length(); i++) {

 37             this.map.put(pattern.charAt(i), i);

 38 

 39         }

 40     }

 41 

 42     /**

 43      * 普通的字符串递归匹配，匹配失败就前进一位

 44      */

 45     public List<Integer> normalMatch() {

 46         //匹配失败，继续往下走

 47         if (!matchFromSpecialPos(currentPos)) {

 48             currentPos += 1;

 49 

 50             if ((text.length() - currentPos) < pattern.length()) {

 51                 return matchedPosList;

 52             }

 53             normalMatch();

 54         } else {

 55             //匹配成功，记录位置

 56             matchedPosList.add(currentPos);

 57             currentPos += 1;

 58             normalMatch();

 59         }

 60         

 61         return matchedPosList;

 62     }

 63 

 64     /**

 65      * Sunday匹配，假定Text中的K字符的位置为：当前偏移量+Pattern字符串长度+1

 66      */

 67     public List<Integer> sundayMatch() {

 68         // 如果没有匹配成功

 69         if (!matchFromSpecialPos(currentPos)) {

 70             // 如果Text中K字符没有在Pattern字符串中出现，则跳过整个Pattern字符串长度

 71             if ((currentPos + pattern.length() + 1) < text.length()

 72                     && !map.containsKey(text.charAt(currentPos + pattern.length() + 1))) {

 73                 currentPos += pattern.length();

 74             }else {

 75                 // 如果Text中K字符在Pattern字符串中出现，则将Text中K字符的位置和Pattern字符串中的最后一次出现K字符的位置对齐

 76                 if ((currentPos + pattern.length() + 1) > text.length()) {

 77                     currentPos += 1;

 78                 } else {

 79                     currentPos += pattern.length() - (Integer) map.get(text.charAt(currentPos + pattern.length()));

 80                 }

 81             }

 82             

 83             // 匹配完成，返回全部匹配成功的初始位移

 84             if ((text.length() - currentPos) < pattern.length()) {

 85                 return matchedPosList;

 86             }

 87             

 88             sundayMatch();

 89         }else {

 90             // 匹配成功前进一位然后再次匹配

 91             matchedPosList.add(currentPos);

 92             currentPos += 1;

 93             sundayMatch();

 94         }

 95         return matchedPosList;

 96     }

 97 

 98     /**

 99      * 检查从Text的指定偏移量开始的子串是否和Pattern匹配

100      */

101     public boolean matchFromSpecialPos(int pos) {

102         if ((text.length()-pos) < pattern.length()) {

103             return false;

104         }

105 

106         for (int i = 0; i < pattern.length(); i++) {

107             if (text.charAt(pos + i) == pattern.charAt(i)) {

108                 if (i == (pattern.length()-1)) {

109                     return true;

110                 }

111                 continue;

112             } else {

113                 break;

114             }

115         }

116         

117         return false;

118     }

119 

120     public static void main(String[] args) {

121         SundySearch sundySearch = new SundySearch("hello 啊啊 阿道夫 adfsadfklf adf234masdfsdfdsfdsfdsffwerwrewrerwerwersdf2666sdflsdfk", "adf");

122         

123         long begin = System.nanoTime();

124         System.out.println("NormalMatch:" + sundySearch.normalMatch());

125         System.out.println("NormalMatch:" + (System.nanoTime() - begin));

126         

127         begin = System.nanoTime();

128         System.out.println("SundayMatch:" + sundySearch.sundayMatch());

129         System.out.println("SundayMatch:" + (System.nanoTime() - begin));

130 

131     }

132 }

 

 

    运行结果：

NormalMatch:[13, 17, 24]

NormalMatch:313423

SundayMatch:[13, 17, 24]

SundayMatch:36251

    使用Sunday算法要比普通的匹配算法快了10倍左右，虽然是纳秒级别~因为我们匹配的内容就那么短，内容越长，效果就会越明显。

    每个人都可以以自己的方式实现这个算法，如有雷同，纯属巧合。。。

 

附：参考网址

http://blog.163.com/yangfan876@126/blog/static/80612456201342205056344

http://ouyangjia7.iteye.com/blog/352954

http://blog.csdn.net/sunnianzhong/article/details/8820123

http://dsqiu.iteye.com/blog/1700312