字符串匹配的sunday算法

2024年2月5日 263次阅读

sunday算法核心思想：启发式移动搜索步长！

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)。这里介绍一种比BM算法更快一些的sunday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（上图中的 ‘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，如下图：

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，于是把子串向前移动三位，使两个’r’对齐，如下：

substring searching algorithm
　　　　 search
　　　　　　　^

哈！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。

因此，对于leetcode上的解题：

https://leetcode.com/problems/implement-strstr/

Implement strStr().

Returns the index of the first occurrence of needle in haystack, or -1 if needle is not part of haystack.

完整的Python代码如下：

class Solution(object):
    def strStr(self, haystack, needle):
        """
        :type haystack: str
        :type needle: str
        :rtype: int
        REFER: http://blog.csdn.net/kankan231/article/details/22406823
        """
        char_pos = dict()
        for i, ch in enumerate(needle):
            char_pos[ch] = i
        i = 0
        len1 = len(haystack)
        len2 = len(needle)
        while i <= len1 - len2:
            found = True
            for j, ch in enumerate(needle):
                if haystack[i+j] != ch:
                    found = False
                    if (i+len2) < len1:
                        if haystack[i+len2] not in char_pos:
                            i += (len2+1)
                        else:
                            i += (len2-char_pos[haystack[i+len2]])
                    else:
                        return -1
                    break
            if found:
                return i
        return -1

参考：http://blog.csdn.net/kankan231/article/details/22406823

 

点赞