Horspool 字符串快速查找算法

Horspool算法是后缀搜索算法,对于每个文本搜索窗口,将窗口内的最后一个字符与模式串(needle)的最后一个字符进行比较。如果相等,则继续从后向前验证其他字符,直到完全相等或者某个字符不匹配。当遇到字符不匹配的情况时就需要将搜索窗口往后移动,计算移动的距离可以有不同方法,Wikipedia中给出的C语言实现版本是基于窗口的最后一个字符(haystack上的)。

 

C语言版代码分析:

 1 // 在 haystack 中查找 needle 子字符串
 2 const unsigned char *horspool_memmem(const unsigned char *haystack, size_t hlen,
 3                                      const unsigned char *needle, size_t nlen)
 4 {
 5   size_t scan = 0;
 6   
 7   // 单个字符的位移对照表
 8   size_t bad_char_skip[UCHAR_MAX + 1];
 9 
10   // 参数检查
11   if (nlen <= 0 || !haystack || !needle)
12     return NULL;
13 
14   // 初始化位移对照表,缺省值是 needle 的长度,即遇到不匹配时将搜索窗口往后移动 needle 长度
15   // 比如:如果遇到 needle 中没有的字符时,就可以将搜索窗口后移 needle 长度,以跳过该字符
16   for (scan = 0; scan <= UCHAR_MAX; scan = scan + 1)
17     bad_char_skip[scan] = nlen;
18 
19   // needle 最后一个字符的下标
20   size_t last = nlen - 1;
21 
22   // 遍历 needle 的字符(排除最后一个字符),计算该字符到最后一个字符的位移。
23   // 此处遍历需要从头开始,因为 needle 中可能会出现重复字符,同一个字符必须使用其最后出现位置的位移。
24   // 
25   // 排除 needle 最后一个字符的原因是:如果 needle 的最后一个字符在 needle 中是唯一的,那么其位移对照表中的值是 nlen,
26   // 只要当次搜索匹配失败,并且搜索窗口上 haystack 的最后一个字符就是 needle 的最后一个字符,那么就应该将搜索窗口后移 nlen,
27   // 因为该字符没有重复出现 needle 的其它位置上,就可以安全的跳过当前窗口。
28   for (scan = 0; scan < last; scan = scan + 1)
29     bad_char_skip[needle[scan]] = last - scan;
30 
31   // 开始搜索匹配
32   // 由于搜索窗口不断往后移动,即 haystack 指针值向后移动,hlen 保存 haystack 的剩余字符串长度。
33   // 当 hlen 的长度小于 nlen 时,查找失败。
34   while (hlen >= nlen) {
35     // 从搜索窗口的尾部向前匹配
36     for (scan = last; haystack[scan] == needle[scan]; scan = scan - 1) {
37       if (scan == 0)  // 头部字符匹配则查找成功,返回子字符串位置
38         return haystack;
39     }
40     
41     // 如果匹配失败则基于搜索窗口上 haystack 的最后一个字符 haystack[last] 后移搜索窗口
42     hlen     -= bad_char_skip[haystack[last]];
43     haystack += bad_char_skip[haystack[last]];
44   }
45 
46   // 到达此处说明查找失败
47   return NULL;
48 }

 

查找过程示例:

原始串
haystack: efaboxcbcabcdsdxzcxx
needle:   abcd

初始化
last: 3
bad_char_skip['a'] = 3
bad_char_skip['b'] = 2
bad_char_skip['c'] = 1
bad_char_skip['d'] = 1

循环1
last: 3
haystack[last]: b
bad_char_skip[haystack[last]]: 2
haystack: aboxcbcabcdsdxzcxx
needle:   abcd

循环2
last: 3
haystack[last]: x
bad_char_skip[haystack[last]]: 4
haystack: cbcabcdsdxzcxx
needle:   abcd

循环3
last: 3
haystack[last]: a
bad_char_skip[haystack[last]]: 3
haystack: abcdsdxzcxx
needle:   abcd

循环4
匹配成功

 

参考文档

  1. Boyer–Moore–Horspool algorithm – Wikipedia
  2. Horspool字符串匹配算法

  

    原文作者:edwardlost
    原文地址: https://www.cnblogs.com/edwardlost/archive/2013/01/25/2875320.html
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注