字符串匹配---Sunday算法

BM算法的改进的算法 Sunday Algorithm
BM算法优于KMP

SUNDAY 算法描述：字符串查找算法中，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。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。

例如我们要在"substring searching algorithm"查找"search"，刚开始时，把子串与文本左边对齐：
substring searching algorithm
search

结果在第二个字符处发现不匹配， 于是要把子串往后移动。 但是该移动多少呢？这就是各种算法各显神通的地方了，最简单的做法是移动一个字符位置；KMP是利用已经匹配部分的信息来移动；BM算法是做反向比较，并根据已经匹配的部分来确定移动量。 这里要介绍的方法是看紧跟在当前子串之后的那个字符 （第一个字符串中的'i')。 显然，不管移动多少，这个字符是肯定要参加下一步的比较的，也就是说，如果下一步匹配到了，这个字符必须在子串内。所以，可以移动子串，使子串中的最右边的这个字符与它对齐。现在子串'search'中并不存在'i'，则说明可以直接跳过一大片，从'i'之后的那个字符开始作下一步的比较，如下：

substring searching algorithm

       search

比较的结果，第一个字符就不匹配，再看子串后面的那个字符，是'r',它在子串中出现在倒数第三位，于是把子串向后移动三位，使两个'r'对齐，如下：
substring searching algorithm
          search

这次匹配成功了！回顾整个过程，我们只移动了两次子串就找到了匹配位置，是不是很神啊?!可以证明，用这个算法，每一步的移动量都比BM算法要大，所以肯定比BM算法更快。

代码如下：

void SundayMatch(const char *src, const char *patt)
{
	int slen = strlen(src);
	int plen = strlen(patt);

	int shift[256];

	for (int i = 0; i < 256; ++i)
	{
		shift[i]=plen+1;
	}

	for (int i = 0; i < plen; ++i)
	{
		/* 当前字符串距离最右端的距离 */
		shift[(unsigned char)(patt[i])]=plen-i;
	}

	/* 最后至少还剩下patt长度的未匹配字符段 */
	int limit = slen-plen;

	for (int i = 0; i <= limit; i+=shift[src[i+plen]])
	{
		/* code */
		int j=0;

		while(j<plen)
		{
			if (src[i+j]!=patt[j])
			{
				break;
			}
			j++;
		}

		if (j==plen)
		{
			cout<<"The index is: " << i << endl;
		}
	}
}

贴一下另外两个代码：

#include <iostream>
#include <string>
using namespace std;

void SUNDAY(char *text, char *patt)
{ 
    size_t  temp[256]; 
    size_t  *shift = temp; 
    size_t  i, patt_size = strlen(patt), text_size = 
        strlen(text); 
    cout << "size : " << patt_size << endl; 
    for( i=0; i < 256; i++ ) *(shift+i) = patt_size+1; 
    for( i=0; i < patt_size; i++ )  
        *(shift+unsigned char(*(patt+i))) = patt_size-i;
    //shift['s']=6 步,shitf['e']=5 以此类推 
    size_t  limit = text_size-patt_size+1; 
    for( i=0; i < limit; i += shift[ text[i+patt_size] ] )
        if( text[i] == *patt )
        { 
            char *match_text = text+i+1; 
            size_t  match_size = 1; 
            do
            {// 输出所有匹配的位置 
                if( match_size == patt_size ) cout << "the NO. is " << i << endl; 
            }while( (*match_text++) == 
            patt[match_size++] ); 
        } 
        cout << endl; 
} 
int main(void)
{ 
    char *text = new char[100]; 
    text = "substring searching algorithm search"; 
    char *patt = new char[10]; 
    patt = "search"; 
    SUNDAY(text, patt); 
    return 0; 
} 
/* 
size : 6 
the NO. is 10 
the NO. is 30 
*/ 

//Sunday.h : Sunday算法。
//*************************************************************************
//Copyright:
//Author:                      Sail
//Filename:     Sunday string match
//Last Mod time:
//*************************************************************************
//Remarks: Sunday算法是比较快速的字符串匹配算法，比KMP和Booyer-moore算法都
//快，这三种算法都需要提前进行预处理，Booyer-moore是反向比对字符串，Kmp和
//Sunday则是正向比对，各自的预处理方法都不同。
//Sunday算法主要思想是让指向主串的指针在匹配过程中，跳过尽可能多的长度，
//再和模式串进行匹配。平均状况下时间复杂度：O(主串长度/模式串长度)。
//*************************************************************************
#ifndef _my_sunday
#define _my_sunday

#include <string.h>
#include <vector>
	 
using std::vector;
	 
inline void sunday(const char* ori ,const char* pat, vector<int> * res)
{
    int i=0;
    int j=0;
    int olen=strlen(ori);
    int plen=strlen(pat);
    const int max_size=255;
    int * next =new int[max_size];
    for (i=0;i<max_size;++i)
    {
        next[i]=plen+1;
    }
    for (i=0;i<plen;++i)
    {
        next[pat[i]]=plen-i;
    }
    i=0;
    while(i<=olen-plen)
    {
        while(j<plen)
        {
            if (ori[i+j]!=pat[j])
            {
                break;
            }
            ++j;
        }
        if (j==plen)
        {
            (*res).push_back(i);
            j=0;
        }
        i+=next[ori[i+plen]];
    }
}
#endif

参考资料：

http://www.cppblog.com/superKiki/archive/2010/05/05/114493.aspx

http://www.oschina.net/code/snippet_170948_12386