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