【算法】Boyer-Moore 算法

news2024/12/23 14:11:07

目录

  • 1.概述
    • 1.1.Boyer-Moore 算法介绍
    • 1.2.坏字符规则表
    • 1.3.好后缀规则表
    • 1.4.总结
  • 2.代码实现
  • 3.应用

更多数据结构与算法的相关知识可以查看数据结构与算法这一专栏。

有关字符串模式匹配的其它算法:
【算法】Brute-Force 算法
【算法】KMP 算法
【算法】Rabin-Karp 算法

1.概述

1.1.Boyer-Moore 算法介绍

(1)Boyer-Moore 算法又称为 Boyer-Moore 字符串搜索算法(下文简称为 BM 算法),由 Robert S. Boyer 和 J Strother Moore 于1977年提出,它是一种高效的字符串匹配算法,用于在一个目标串中查找一个模式串的出现位置。它的核心思想是通过预处理模式串,利用字符比较的不匹配信息来跳过尽可能多的目标字符,从而快速定位可能的匹配位置,以减少比较次数

(2)BM 算法的主要思想是从模式串(要搜索的字符串)的末尾开始匹配,然后根据不匹配字符在模式串中的位置,跳过一些不必要的比较。具体来说,BM 算法通过预处理模式串,构建两个表:

  • 坏字符规则表:用于记录模式串中每个字符的最后出现位置。在匹配过程中,当发生不匹配时,根据坏字符规则表决定将模式串向右滑动 badShift 位。
  • 好后缀规则表:记录模式串中每个后缀子串的匹配长度。当模式串的后缀子串与主串的某个子串匹配时,可以使用好后缀规则表决定将模式串向右滑动 goodShift 位。

当发生不匹配时,模式串向右滑动的位数为 max(badShift, goodShiftf)。下面将具体介绍这两种规则表。

1.2.坏字符规则表

(1)当目标串中的某个字符跟模式串的某个字符不匹配时,我们称目标串中的这个不匹配字符为坏字符,此时模式串需要向右移动 badShift 位,并且 badShift = 当前对比的字符在模式串中的位置 - 坏字符在模式串中最右出现的位置,如果该模式串中不存在该坏字符,那么最右出现的位置设置为 -1。例如,在下图中,从模式串的末尾开始匹配,显然字符 F 与 字符 B 不匹配,因此字符 F 便为坏字符。
在这里插入图片描述

(2)而上面模式串中并没有字符 F,因此由上面的公式可得 badShift = 5 - (-1) = 6,如下图所示:

在这里插入图片描述

(3)之所以在遇到坏字符时模式串需要向后移动 badShift 位,其原因在于对于当前坏字符来说:

  • 如果模式串中没有该坏字符,那么说明模式串中的任何一个字符都不可能与其匹配成功,所以此时模式串的第一个字符应该直接目标串中该坏字符的后一个字符对齐,即上图中模式串中的字符 A 与目标串中的字符 C 对齐,然后再进行匹配;
  • 如果模式串中有该坏字符,我们需要选取模式串中最右出现的该坏字符,并且将它们对齐。之所以要选取最右字符,其原因在于防止漏掉正确答案,具体例子如下:

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

(4)在代码实现中,我们可以用数组来存储模式串中每个字符最右出现的下标,并且模式串中不存在的字符的下标默认为 -1。而坏字符规则表的大小一般为 256,其原因在于在 ASCII 编码中,总共有 256 个字符,每个字符的取值范围是 0 - 255。通过使用 256 大小的坏字符规则表,可以覆盖所有可能的字符。

1.3.好后缀规则表

(1)在 BM 算法中,好后缀是指在模式串中与主串匹配的后缀子串,例如下图中的 “ABC” 即为好后缀。

在这里插入图片描述

(2)而好后缀规则表 goodTable 一般用数组表示,其长度等于模式串的长度(记为 m),并且 goodTable[i] 表示好后缀 t[i + 1…m - 1] 的后缀子串能够匹配模式串中的其它最长子串 substring 时,模式串需要移动的位数,我们需要注意:

  • 如果是好后缀本身与 substring 匹配,那么对 substring 没有什么限制(当然不能是好后缀本身),但是当存在多个匹配的 substring 时,我们应该选择最右出现的 substring,其理由与上面类似,主要是为了防止漏掉正确答案。
  • 如果是好后缀的后缀子串且不是好后缀本身与 substring 匹配,那么 substring 必须是模式串的前缀子串,其原因在于如果 substring 不是前缀子串(它一定是最长的),那么它的前一个字符必然和与其匹配的后缀子串的前一个字符不相等,这样一来滑动到当前位置的模式串就没有匹配的必要了。

例如,上图中好后缀 “ABC” 以及其后缀子串指 “ABC”、“C”、“BC” 这三个字符串,那么显然它们能够匹配模式串的其它最长子串为 “BC”(由于是后缀子串 “BC” 进行匹配的,因此 “BC” 必须是模式串的前缀子串),即 goodTable[3] = 5(此处的下标 3 对应模式串中的字符 D 的下标),如下图所示:
在这里插入图片描述

再例如,下图中好后缀 “ABC” 显然可以与模式串中的最长子串 “ABC”(绿色填充部分)匹配,即 goodTable[3] = 3(此处的下标 3 对应模式串中的字符 C 的下标)。

在这里插入图片描述

在这里插入图片描述

(3)虽然可以直接使用 goodTable 记录遇到好后缀时模式串需要移动的位数(其代码实现如下),但是求解 goodTable 的时间复杂度却达到了 O(n3)(两层 for 循环加上 equals 方法),这样一来效率较低。

public int[] getGoodTable(String t) {
    int m = t.length();
    int[] goodTable = new int[m];
    Arrays.fill(goodTable, m);
    for (int i = 1; i < m; i++) {
        // suffix 为好后缀 t[i...m - 1]
        String suffix = t.substring(i);
        // suffix 长度
        int suffixLen = m - i;
        for (int j = m - 1; j >= m - suffixLen; j--) {
            if (j >= suffixLen) {
                //判断好后缀本身是否与其它子串匹配
                if (t.substring(j - suffixLen, j).equals(suffix)) {
                    goodTable[m - i - 1] = m - j;
                    break;
                }
            } else {
                //判断好后缀的后缀子串是否与前缀子串匹配
                if (t.substring(0, j).equals(suffix.substring(suffixLen - j))) {
                    goodTable[m - i - 1] = m - j;
                    break;
                }
            }
        }
    }
    return goodTable;
}

(4)实际上,我们可以使用另一种方法将时间复杂度降低到 O(n2),我们可以使用长度为 m 的数组 suffix 来保存每个不同长度的好后缀匹配的其它最长靠右子串的起始位置,以模式串 t = “ABCDABC” 为例:

好后缀长度suffix解释
C1suffix[1] = 2长度为 1 的好后缀 C 与起始下标为 2 的子串 C 匹配,并且满足最长和靠右这两个要求
BC2suffix[2] = 1长度为 2 的好后缀 BC 与起始下标为 1 的子串 BC 匹配,并且满足最长和靠右这两个要求
ABC3suffix[3] = 0长度为 3 的好后缀 ABC 与起始下标为 0 的子串 BC 匹配,并且满足最长和靠右这两个要求
DABC4suffix[4] = -1好后缀 DABC 不与任何其它子串匹配,标记为 -1
CDABC5suffix[5] = -1好后缀 CDABC 不与任何其它子串匹配,标记为 -1
BCDABC6suffix[6] = -1好后缀 BCDABC 不与任何其它子串匹配,标记为 -1

求解数组 suffix 的代码如下,其时间复杂度为 O(n2)。

int m = t.length();
int[] suffix = new int[m];
Arrays.fill(suffix, -1);
for (int i = 0; i < m - 1; i++) {
    int j = i;
    int k = 0;
    while (j >= 0 && t.charAt(j) == t.charAt(m - 1 - k)) {
        j--;
        k++;
        suffix[k] = j + 1;
    }
}

(5)如果我们通过数组 suffix 知道了当前好后缀并不能匹配其它子串时,那么如何判断它的后缀子串是否可以与模式串的前缀子串进行匹配呢?其实,解决办法也比较简单:

  • 如果 suffix[k] != -1,那么说明当前好后缀 t[j + 1...m - 1] 可以匹配其它最长靠右子串,并且该子串的起始位置为 suffix[k],此时模式串需要向右移动 goodShift = j - suffix[k] + 1 位,其中 j 与好后缀长度 k 的关系为 k = m - 1 - j
  • 如果 suffix[k] == -1,那么说明当前好后缀 t[j + 1...m - 1] 没有可以匹配的其它最长靠右子串,此时,我们需要从该好后缀的最长后缀子串 t[r...m - 1] 开始遍历(其中 r = j + 2),寻找与之匹配的最长前缀。判断方法也比较简单,即判断 suffix[m - r] 是否为 0 即可:
    • 如果 suffix[m - r] == 0,则说明该后缀子串与长度为 m - r 前缀的匹配,此时模式串需要向右移动 goodShift = r 位;
    • 如果 suffix[m - r] != 0,则说明该后缀子串与长度为 m - r 前缀的不匹配,判断下一个后缀子串即可;
  • 如果上面两种情况都没有匹配成功,则直接返回模式串的长度,具体代码如下所示:
private static int moveByGs(int j, int m, int[] suffix) {
    // k 为当前好后缀 t[j + 1...m - 1] 的长度
    int k = m - 1 - j;
    if (suffix[k] != -1) {
        //好后缀可以直接匹配
        return j - suffix[k] + 1;
    }
    //好后缀不能直接匹配,那么寻找与好后缀的后缀子串匹配的模式串的最长前缀
    for (int r = j + 2; r <= m - 1; r++) {
        //判断后缀子串 t[r...m - 1] 匹配的最长靠右子串的起始位置是否为 0
        if (suffix[m - r] == 0) {
            return r;
        }
    }
    //上面两种情况都没有匹配成功,则直接返回模式串的长度
    return m;
}

1.4.总结

在匹配过程中发生不匹配时,我们可以根据上面计算得到的坏字符规则表和好后缀规则表,来分别计算模式串应该向右滑动的最大位数 badShiftgoodShift,并且都能保证不会漏掉正确答案。所以在 BM 算法中,每次发生不匹配时,模式串最终向右滑动的位数为 max(badShift, goodShift),即两者之间的最大值。

2.代码实现

(1)BM 算法的代码实现如下:

class BmAlgorithm {
    private final static int ASCII_SIZE = 256;

    public static int bmSearch(String s, String t) {
        int n = s.length();
        int m = t.length();
        if (m == 0) {
            return 0;
        }

        //坏字符规则表 badTable: 记录模式串中每个字符最后出现的位置
        int[] badTable = new int[ASCII_SIZE];
        Arrays.fill(badTable, -1);
        for (int i = 0; i < t.length(); i++) {
            badTable[t.charAt(i)] = i;
        }

        /*
        * 好后缀规则表 goodTable: 用数组 suffix 表示
        * suffix[i] 表示长度为 i 的好后缀匹配的最长靠右子串的起始位置
        * */
        int[] suffix = new int[m];
        Arrays.fill(suffix, -1);
        for (int i = 0; i < m - 1; i++) {
            int j = i;
            int k = 0;
            while (j >= 0 && t.charAt(j) == t.charAt(m - 1 - k)) {
                j--;
                k++;
                suffix[k] = j + 1;
            }
        }

        int i = 0;
        while (i <= n - m) {
            //从右往左开始匹配
            int j = m - 1;
            while (j >= 0 && t.charAt(j) == s.charAt(i + j)) {
                j--;
            }
            if (j < 0) {
                //匹配成功
                return i;
            } else {
                //根据坏字符规则计算要移动的位数
                int badShift = j - badTable[s.charAt(i + j)];
                //根据好字符规则计算要移动的位数
                int goodShift = 0;
                //如果 j == m - 1,即好后缀为 "",此时需要遵循坏字符规则
                if (j < m - 1) {
                    goodShift = moveByGs(j, m, suffix);
                }
                i += Math.max(badShift, goodShift);
            }
        }
        //无法匹配
        return -1;
    }

    private static int moveByGs(int j, int m, int[] suffix) {
        // k 为当前好后缀 pattern[j + 1...m - 1] 的长度
        int k = m - 1 - j;
        if (suffix[k] != -1) {
            //好后缀可以直接匹配
            return j - suffix[k] + 1;
        }
        //好后缀不能直接匹配,那么寻找与好后缀的后缀子串匹配的模式串的最长前缀
        for (int r = j + 2; r <= m - 1; r++) {
            //判断后缀子串 pattern[r...m - 1] 匹配的最长靠右子串的起始位置是否为 0
            if (suffix[m - r] == 0) {
                return r;
            }
        }
        //上面两种情况都没有匹配成功,则直接返回模式串的长度
        return m;
    }
}

(2)测试代码如下:

class BmAlgorithmTest {
	public static void main(String[] args) {
        String text = "hello world AABCABC";
        String pattern = "ABCDABC";
        int index = bmSearch(text, pattern);
        if (index != -1) {
            System.out.println("Pattern found at index: " + index);
        } else {
            System.out.println("Pattern not found.");
        }
    }
}

输出结果为:

Pattern found at index: 16

注意:如果想找出所有匹配成功的位置,只需要简单改一下上面的代码即可,当匹配成功时,我们可以使用 list 来存储当前匹配成功的位置,当匹配结束后,返回 list 即可。

3.应用

BM 算法适用于各种类型的字符串匹配问题,具体来说,BM算法在以下情况下表现优秀:

  • 目标串较长:BM 算法适用于处理大规模文本串的情况,因为它能够利用坏字符规则和好后缀规则在较少的比较操作中快速跳过大量的字符。
  • 模式串较短:相对于文本串,模式串较短的情况下,BM 算法的性能更为突出,因为它能够利用坏字符规则和好后缀规则快速跳过无需比较的部分。
  • 重复字符较少:如果模式串中包含大量重复字符,BM 算法的好后缀规则会出现退化的情况,导致性能下降。因此,当模式串中的重复字符较少时,BM算法能够发挥最佳性能。

总之,BM算法适用于大规模文本串和较短、重复字符较少的模式串的字符串匹配问题。它在实际中被广泛应用于文本编辑器、搜索引擎、数据处理等领域。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1282984.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

GateWay的路由与全局过滤器

1.断言工厂 我们在配置文件中写的断言规则只是字符串&#xff0c;这些字符串会被Predicate Factory读取并处理&#xff0c;转变为路由判断的条件 例如Path/user/**是按照路径匹配&#xff0c;这个规则是由 org.springframework.cloud.gateway.handler.predicate.PathRoutePr…

文心一言 VS 讯飞星火 VS chatgpt (149)-- 算法导论12.2 4题

五、用go语言&#xff0c;证明&#xff1a;如果一棵二叉搜索树中的一个结点有两个孩子&#xff0c;那么它的后继没有左孩子&#xff0c;它的前驱没有右孩子。 灵捷3.5 。 文心一言&#xff1a; 为了证明这个性质&#xff0c;我们首先需要明确二叉搜索树&#xff08;BST&…

有关ADW400环保监测模块的详细介绍-安科瑞 蒋静

1 概述 ADW400 环保监测模块主要用于计量低压网络的三相有功电能&#xff0c;同时可选择最大四个回路的电流输入&#xff0c;具有 RS485 通讯和 470MHz 无线通讯功能&#xff0c;方便用户进行用电监测、集抄和管理。可灵活安装于配电箱内&#xff0c;实现对不 同区域和不同负荷…

MS8231/8232微功耗、高精度、轨到轨输入输出运算放大器

产品简述 MS8231/8232 是单通道、双通道的轨到轨输入输出单电源运 放。它们具有很低的功耗和较高的精度&#xff0c;很适合电池供电和便携 式电子系统。 MS8231/8232 具有稳定的单位增益特性&#xff0c;并具有 13kHz 的信 号带宽&#xff0c;使其适合电池电流检测和传…

LeetCode | 226. 翻转二叉树

LeetCode | 226. 翻转二叉树 OJ链接 不为空就翻转&#xff0c;空空就停止翻转左子树的节点给了右子树右子树的节点给了左就完成了翻转 struct TreeNode* invertTree(struct TreeNode* root) {//不为空就进行翻转if(root){//翻转struct TreeNode* tmp root->left;root->…

信息化系列——企业信息化建设(2)

企业信息化建设常见问题 1、信息化意识薄弱 目前&#xff0c;仍有许多企业的管理者在信息化方面表现出薄弱的认识&#xff0c;他们对信息化建设的重视程度显得捉襟见肘。结果&#xff0c;企业在信息化建设的人力、物力支持方面投入甚微&#xff0c;导致信息化建设难以完成顶层…

OpenLayer库的学习入门总结

前言&#xff1a; 作者跟随视频学习ol库的调用与功能实现&#xff0c;进行初步总结与回顾。 声明&#xff1a;参考新中地的文档&#xff0c;进行作者日后复习再次学习的简化。 1、WebGIS简介 GIS的核心概念 GIS&#xff08;Geographic Information System&#xff09;是一…

干货|水表基础知识大全

第一部分 水表基础知识 第一节 水表的作用 水表:是用来记录流经自来水管道中水量的一种计量器具,也称为计量器具。 1、水表的发展简史 1825年英国的克路斯发明了真正具有仪表特征的平衡罐式水表以来&#xff0c;水表的发展已有近二百年的历史。期间&#xff0c;水表的结构…

比较简洁的个人简历精选6篇

为大家精选了6篇高质量简历模板案例&#xff0c;简洁、专业、有效&#xff0c;助力大家在众多求职者中脱颖而出&#xff0c;轻松斩获心仪职位&#xff0c;让您的求职之路更加顺畅。 简洁的简历模板下载&#xff08;可在线编辑制作&#xff09;&#xff1a;来幻主简历&#xff…

三十七、XA模式

目录 一、XA模式原理 在XA模式中&#xff0c;一个事务通常被分为两个阶段&#xff1a; 二、Seata的XA模式 RM一阶段的工作&#xff1a; TC一阶段的工作&#xff1a; RM二阶段的工作&#xff1a; 1、优点&#xff1a; 2、缺点&#xff1a; 三、实现XA模式 1、修改yml文…

深入解析Linux进程管理机制

本文将深入探讨Linux操作系统中的进程管理机制&#xff0c;重点介绍进程的创建、调度和终止过程&#xff0c;以及进程间的通信方式。通过对进程相关概念和机制的全面解析&#xff0c;读者将能够更好地理解和应用Linux进程管理&#xff0c;提升系统的性能和可靠性。 引言 Linux作…

Wireshark中的ICMP协议包分析

接上文&#xff1a; 打开ARP响应数据包报文 通过分析可知&#xff0c; 1.ICMP协议尽管并不传输数据内容&#xff0c;仍然归于网络层&#xff0c;但是基于ip协议。 2.主机发送一个ICMP Echo Request的包&#xff0c;接受方在可正常响应的情况下&#xff0c;返回一个ICMP Echo R…

vue项目切换菜单添加特效

我这边mian/index.vue是配置二级路由出口 关于导航的过渡特效&#xff0c;vue官网有教程 在<style scoped lang"scss"></style>里添加自己想要的特效就可以

vscode的eslint检查代码格式不严谨的快速修复

问题&#xff1a; 原因&#xff1a;复制的代码&#xff0c;esLint检查代码格式不正确。或者写的代码位置不严谨&#xff0c;总是提示 解决 设置在Ctrl S保存时自动格式化代码 1、vscode设置 2、点击右上角&#xff0c;切换json模式 3、添加设置 "editor.codeActionsOn…

焊接专业个人简历(通用25篇)

如果大家想在焊接行业的求职中脱颖而出&#xff0c;轻松斩获心仪职位&#xff0c;参考这25篇通用的焊接专业个人简历案例&#xff0c;无论您是初学者还是资深焊工&#xff0c;都能从中找到适合自己的简历内容。参考这些简历&#xff0c;让您的求职之路更加顺畅。 焊接专业个人…

C++继承(详解)

一、继承的概念 1.1、继承的概念 继承(inheritance)机制是面向对象程序设计使代码可以复用的最重要的手段&#xff0c;它允许程序员在保持原有类特性的基础上进行扩展&#xff0c;增加功能&#xff0c;这样产生新的类&#xff0c;称派生类。继承呈现了面向对象程序设计的层次结…

国际语音呼叫中心的优势有哪些?

国际语音呼叫中心是一种专业化的客户服务方式&#xff0c;它采用先进的语音技术和人工智能算法&#xff0c;为企业提供高效、准确、优质的服务。在当下商业竞争中&#xff0c;客户服务质量是企业成功的重要因素之一。而国际语音呼叫中心可以帮助企业提高客户满意度、增强客户忠…

Springboot养老院信息管理系统的开发-计算机毕设 附源码 27500

Springboot养老院信息管理系统的开发 摘 要 随着互联网趋势的到来&#xff0c;各行各业都在考虑利用互联网将自己推广出去&#xff0c;最好方式就是建立自己的互联网系统&#xff0c;并对其进行维护和管理。在现实运用中&#xff0c;应用软件的工作规则和开发步骤&#xff0c;…

正运动技术EtherCAT扩展模块接线参考以及使用流程

本文以正运动扩展模块EIO16084为例 一、EtherCAT扩展模块接线参考 EIO16084数字量扩展模块为单电源供电&#xff0c;主电源就可以给IO供电&#xff0c;主电源采用24V直流电源。 EIO16084扩展模块在扩展接线完成后&#xff0c;不需要进行进行二次开发&#xff0c;只需手动在E…

Windows系列:Zabbix agent一键部署-windows版本(windows 安装zabbix客户端安装、bat文件修改文件内容)

Zabbix agent一键部署-windows版本&#xff08;windows 安装zabbix客户端安装、bat文件修改文件内容&#xff09; 一. Zabbix agent一键部署-windows版本二. windows 安装zabbix客户端安装1.下载安装zabbix agent2.配置zabbix agent2.1 修改配置文件2.2 将zabbix agent安装为wi…