标签:没有 alt 比较 bm算法 实现 例子 效果 需求 for
漫画:如何优化 “字符串匹配算法”?说起“字符串匹配”,恐怕算得上是计算机领域应用最多的功能之一,为了满足这一需求,聪明的计算机科学家们发明了许多巧妙的算法。
在上一篇漫画中,我们介绍了BF算法和RK算法,没看过的小伙伴可以先补补课:
漫画:什么是字符串匹配算法?
今天,我们来介绍一种性能大大优化的字符串匹配算法。
BF算法是如何工作的?
正如同它的全称BruteForce一样,BF算法使用简单粗暴的方式,对主串和模式串进行逐个字符的比较。
比如给定主串和模式串如下:
它们的比较过程是什么样的呢?
第一轮,模式串和主串的第一个等长子串比较,发现第0位字符一致,第1位字符一致,第2位字符不一致:
第二轮,模式串向后挪动一位,和主串的第二个等长子串比较,发现第0位字符不一致:
第三轮,模式串继续向后挪动一位,和主串的第三个等长子串比较,发现第0位字符不一致:
以此类推,一直到第N轮:
当模式串挪动到某个合适位置,逐个字符比较,发现每一位字符都是匹配时,比较结束:
“坏字符” 是什么意思?就是指模式串和子串当中不匹配的字符。
还以上面的字符串为例,当模式串和主串的第一个等长子串比较时,子串的最后一个字符T就是坏字符:
当检测到第一个坏字符之后,我们有必要让模式串一位一位向后挪动和比较吗?并不需要。
因为只有模式串与坏字符T对齐的位置也是字符T的情况下,两者才有匹配的可能。
不难发现,模式串的第1位字符也是T,这样一来我们就可以对模式串做一次“乾坤大挪移”,直接把模式串当中的字符T和主串的坏字符对齐,进行下一轮的比较:
坏字符的位置越靠右,下一轮模式串的挪动跨度就可能越长,节省的比较次数也就越多。这就是BM算法从右向左检测的好处。
接下来,我们继续逐个字符比较,发现右侧的G、C、G都是一致的,但主串当中的字符A,是又一个坏字符:
我们按照刚才的方式,找到模式串的第2位字符也是A,于是我们把模式串的字符A和主串中的坏字符对齐,进行下一轮比较:
接下来,我们继续逐个字符比较,这次发现全部字符都是匹配的,比较公正完成:
pattern
.
charAt
(
i
)
==
badCharacter
){
return
i
;
}
}
//模式串不存在该字符,返回-1
return
-
1
;
}
public
static
int
boyerMoore
(
String
str
,
String
pattern
)
{
int
strLength
=
str
.
length
();
int
patternLength
=
pattern
.
length
();
//模式串的起始位置
int
start
=
0
;
while
(
start
<=
strLength
-
patternLength
)
{
int
i
;
//从后向前,逐个字符比较
for
(
i
=
patternLength
-
1
;
i
>=
0
;
i
--)
{
if
(
str
.
charAt
(
start
+
i
)
!=
pattern
.
charAt
(
i
))
//发现坏字符,跳出比较,i记录了坏字符的位置
break
;
}
if
(
i
<
0
)
{
//匹配成功,返回第一次匹配的下标位置
return
start
;
}
//寻找坏字符在模式串中的对应
int
charIndex
=
findCharacter
(
pattern
,
str
.
charAt
(
start
+
i
),
i
);
//计算坏字符产生的位移
int
bcOffset
=
charIndex
>=
0
?
i
-
charIndex
:
i
+
1
;
start
+=
bcOffset
;
}
return
-
1
;
}
public
static
void
main
(
String
[]
args
)
{
String
str
=
"GTTATAGCTGGTAGCGGCGAA"
;
String
pattern
=
"GTAGCGGCG"
;
int
index
=
boyerMoore
(
str
,
pattern
);
System
.
out
.
println
(
"首次出现位置:"
+
index
);
}
“好后缀” 又是什么意思?就是指模式串和子串当中相匹配的后缀。
让我们看一组新的例子:
对于上面的例子,如何我们继续使用“坏字符规则”,会有怎样的效果呢?
从后向前比对字符,我们发现后面三个字符都是匹配的,到了第四个字符的时候,发现坏字符G:
接下来我们在模式串找到了对应的字符G,但是按照坏字符规则,模式串仅仅能够向后挪动一位:
这时候坏字符规则显然并没有起到作用,为了能真正减少比较次数,轮到我们的好后缀规则出场了。由于好后缀规则的实现细节比坏字符规则要难理解得多,所以我们这里只介绍一个大概思路:
我们回到第一轮的比较过程,发现主串和模式串都有共同的后缀“GCG”,这就是所谓的“好后缀”。
如果模式串其他位置也包含与“GCG”相同的片段,那么我们就可以挪动模式串,让这个片段和好后缀对齐,进行下一轮的比较:
显然,在这个例子中,采用好后缀规则能够让模式串向后移动更多位,节省了更多无谓的比较。
—————END—————
喜欢本文的朋友,欢迎关注公众号 程序员小灰,收看更多精彩内容
欢迎长按二维码关注 小灰学英语,你所学到的不只是英语!
给个[在看],是对小灰最大的支持!
标签:没有 alt 比较 bm算法 实现 例子 效果 需求 for
原文地址:https://blog.51cto.com/14982143/2549630