Home > 算法研究 > [算法]字符串匹配算法之BM算法,C语言实现

[算法]字符串匹配算法之BM算法,C语言实现

今天继续昨天的话题,字符串匹配算法之BM算法,BM可以说是继KMP算法之后更加优秀的字符串匹配算了,BM 是大师Boyer-Moore的算法杰作, 所以称BM算法,相比KMP算法效率提高了不少,在空间上BM算法需要一个跟匹配字符集相同的辅助空间,已存放不同的匹配字符,比KMP要浪费不少,但是这也是BM的特色,可以在不同的字符集使用,两个字符集的话那就放一个字符集同大小的辅助空间就好,最复杂字符就很好了,目前大部分的高级语言比如C#都使用了BM及其改进算法(AC-BM算法),相比KMP匹配两个中文字符出现的半角结果而言,我还是偏好BM ,虽然浪费空间,但是,实现接近低于线性的消耗,少了一个n以上的的匹配时间,这点也是客观的


BM算法还有很多衍生算法AC-BM算法就是一种,用数学方法进行了优化,最好情况提高了一个常数级,提高了索引利用效率,这个下次有空再写吧
算法原理:从字符串后扫描,利用了匹配后缀和无效字符的替换原则,总体效率提高不少
算法如下,具体的算法注释已经添加不懂的话,请留言或者跟我联系,我有时间会尽量解答

调试欢迎,TC 环境,GCC下没时间调试,改改应该没有问题
BM字符串匹配算法:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
/*BM字符串匹配算法*/
/*code by CG lidaren.com
* ACM yctc
*2008 12 20
*/
#include "stdio.h"
#include "string.h"
#include "stdlib.h"
 
#define LEN 256
/*LEN 使用一个character set ASCII编码使用一个字节表示字符,UNICODE要另
*外考虑,BM算法优势所在*/
 
/*BM() BM算法基本功能函数
*输入:
*	char *s 匹配串
*	char *p 模式串
*	int index 匹配开始索引
*	int post[] 辅助数组
*返回:
*	int 下一个匹配开始的索引,匹配失败返回-1
*/
int BM(char *s, char *p, int index, int post[]) {
   int len = strlen(s);
   int i,j, next;
   i = strlen(p)-1;/*字符串长度减1*/
   j = index+strlen(p)-1;/*第一次调用 BM() 时 index = 0,因
*为下面的 for 循环是从模式串的末尾开始比较,所以匹配串的初始比较位
*置应该是从开头数模式串长度个位置开始。*/
*/
   for(; i>=0; i--, j--) {
      if(s[j] != p[i]){/*第一个字符的匹配*/
		break;
	}
   }/*for*/
 
   if(i<0) /*匹配完毕?*/
     return 0; /*匹配成功*/
 
   else if(post[s[j]]>0)
/*当出现不匹配时,查看匹配串当前位置的字符有没有出现在模式串中*/
     next = index + i - post[s[j]];
 
/*index 是当前的匹配串起始偏移量,i 是模式串还剩的比较字串数目,
* post[s[j]]是所出现的第一个不匹配的字符在匹配串中的位置。
*这样下次比较就从匹配串中出现 s[j] 的位置开始比较
*/
   else next = index + 1;
 
   if(next > LEN-strlen(p))
     return -1; /*匹配失败,无法进行下一次匹配*/
   else
     return next; /*匹配失败,需要下一次匹配*/
 }/*BM*/
 
 /*测试,匹配串 和 模式串都使用小写字符*/
 int main()
 {
    int post[LEN]={0}; /*辅助数组=字符集大小*/
 
    char *src="aaaabbbaababababbabb";/*测试字符串*/
    char *patten="aabbabb";
 
    int i, next, index=-2, pos=0;/*初始化索引标志*/
 
    for(i=0; i<strlen(patten); i++) /*构造辅助数组*/
       post[patten[i]]=i;
 
    index = BM(src, patten, 0, post);/*第一次匹配,从0位置开始,获得NEXT*/
 
    while(!(index == -1 || index == 0)) /*循环直到匹配成功*/
    {
      next = index;
      index = BM(src, patten, next, post);/*下一次BM匹配*/
    }/*while*/
 
    if(index == -1){ /*faild*/
       printf("Match faildn");
    }
 
    if(index == 0){ /* OK */
       printf("the index is: %d.n", next);
    }
    return 0;
 }/*main*/

网上搜索了一些关于BM算法的资料请参阅http://blog.chinaunix.net/u/11828/showart_242074.html
讲得很详细

  1. December 21st, 2008 at 00:27 | #1

    我看看~~~呵呵

  2. Vanilain
    April 3rd, 2016 at 06:48 | #2

    虽然是好多年的了。。。但是并不是真的BM,而且里面效率有很大问题,比如next = index + 1; 该跳过的就没跳过。各位需要学习BM的看这份代码要谨慎!

  1. No trackbacks yet.