Boyer-Moore算法是一种高效的字符串搜索算法，由Robert S. Boyer和J Strother Moore于1977年提出。该算法通过‘坏字符规则’和‘好后缀规则’快速跳过不匹配部分，显著提升搜索效率。
Boyer-Moore算法不仅效率高，而且构思巧妙，容易理解。1977年，德克萨斯大学的Robert S. Boyer教授和J Strother Moore教授发明了这种算法。
下面，我根据Moore教授自己的例子来解释这种算法。
1.
假定字符串为"HERE IS A SIMPLE EXAMPLE"，搜索词为"EXAMPLE"。
2.
首先，"字符串"与"搜索词"头部对齐，从尾部开始比较。
这是一个很聪明的想法，因为如果尾部字符不匹配，那么只要一次比较，就可以知道前7个字符（整体上）肯定不是要找的结果。
我们看到，"S"与"E"不匹配。这时，"S"就被称为"坏字符"（bad character），即不匹配的字符。我们还发现，"S"不包含在搜索词"EXAMPLE"之中，这意味着可以把搜索词直接移到"S"的后一位。
3.
依然从尾部开始比较，发现"P"与"E"不匹配，所以"P"是"坏字符"。但是，"P"包含在搜索词"EXAMPLE"之中。所以，将搜索词后移两位，两个"P"对齐。
4.
我们由此总结出"坏字符规则"：
后移位数 = 坏字符的位置 - 搜索词中的上一次出现位置
如果"坏字符"不包含在搜索词之中，则上一次出现位置为 -1。
以"P"为例，它作为"坏字符"，出现在搜索词的第6位（从0开始编号），在搜索词中的上一次出现位置为4，所以后移 6 - 4 = 2位。再以前面第二步的"S"为例，它出现在第6位，上一次出现位置是 -1（即未出现），则整个搜索词后移 6 - (-1) = 7位。
5.
依然从尾部开始比较，"E"与"E"匹配。
6.
比较前面一位，"LE"与"LE"匹配。
7.
比较前面一位，"PLE"与"PLE"匹配。
8.
比较前面一位，"MPLE"与"MPLE"匹配。我们把这种情况称为"好后缀"（good suffix），即所有尾部匹配的字符串。注意，"MPLE"、"PLE"、"LE"、"E"都是好后缀。
9.
比较前一位，发现"I"与"A"不匹配。所以，"I"是"坏字符"。
10.
根据"坏字符规则"，此时搜索词应该后移 2 - （-1）= 3 位。问题是，此时有没有更好的移法？
11.
我们知道，此时存在"好后缀"。所以，可以采用"好后缀规则"：
后移位数 = 好后缀的位置 - 搜索词中的上一次出现位置
举例来说，如果字符串"ABCDAB"的后一个"AB"是"好后缀"。那么它的位置是5（从0开始计算，取最后的"B"的值），在"搜索词中的上一次出现位置"是1（第一个"B"的位置），所以后移 5 - 1 = 4位，前一个"AB"移到后一个"AB"的位置。
再举一个例子，如果字符串"ABCDEF"的"EF"是好后缀，则"EF"的位置是5 ，上一次出现的位置是 -1（即未出现），所以后移 5 - (-1) = 6位，即整个字符串移到"F"的后一位。
这个规则有三个注意点：
（1）"好后缀"的位置以最后一个字符为准。假定"ABCDEF"的"EF"是好后缀，则它的位置以"F"为准，即5（从0开始计算）。
（2）如果"好后缀"在搜索词中只出现一次，则它的上一次出现位置为 -1。比如，"EF"在"ABCDEF"之中只出现一次，则它的上一次出现位置为-1（即未出现）。
（3）如果"好后缀"有多个，则除了最长的那个"好后缀"，其他"好后缀"的上一次出现位置必须在头部。比如，假定"BABCDAB"的"好后缀"是"DAB"、"AB"、"B"，请问这时"好后缀"的上一次出现位置是什么？回答是，此时采用的好后缀是"B"，它的上一次出现位置是头部，即第0位。这个规则也可以这样表达：如果最长的那个"好后缀"只出现一次，则可以把搜索词改写成如下形式进行位置计算"(DA)BABCDAB"，即虚拟加入最前面的"DA"。
回到上文的这个例子。此时，所有的"好后缀"（MPLE、PLE、LE、E）之中，只有"E"在"EXAMPLE"还出现在头部，所以后移 6 - 0 = 6位。
12.
可以看到，"坏字符规则"只能移3位，"好后缀规则"可以移6位。所以，Boyer-Moore算法的基本思想是，每次后移这两个规则之中的较大值。
更巧妙的是，这两个规则的移动位数，只与搜索词有关，与原字符串无关。因此，可以预先计算生成《坏字符规则表》和《好后缀规则表》。使用时，只要查表比较一下就可以了。
13.
继续从尾部开始比较，"P"与"E"不匹配，因此"P"是"坏字符"。根据"坏字符规则"，后移 6 - 4 = 2位。
14.
从尾部开始逐位比较，发现全部匹配，于是搜索结束。如果还要继续查找（即找出全部匹配），则根据"好后缀规则"，后移 6 - 0 = 6位，即头部的"E"移到尾部的"E"的位置。
下面是我粗笨的实现。人比较懒，没有进行太多测试，应该有不少bug。
1.坏字符表
import java.util.HashMap;
import java.util.Map;
/**
* store position of a bad char in a string
*/
public class BadCharMap extends HashMap<Byte,Integer> {
private static final long serialVersionUID = 6384493857435429841L;
public BadCharMap(){}
public BadCharMap(String str){
this.createMap(str);
}
public BadCharMap(byte[] bs){
this.createMap(bs);
}
public void createMap(String str){
this.createMap(str.getBytes());
}
public void createMap(byte[] bs){
if(bs == null){
throw new NullPointerException("bytes is null");
}
final byte[] bytes = bs;
int pos = 0;
for(byte b : bytes ){
put(b,pos++);
}
}
@Override
public Integer get(Object key){
Integer result = super.get(key);
if(result != null)
return result;
return -1;
}
@Override
public String toString(){
StringBuffer sb = new StringBuffer();
for(Map.Entry<Byte, Integer> entry : entrySet()){
sb.append((char)entry.getKey().byteValue());
sb.append(" : ");
sb.append(entry.getValue());
sb.append(" ");
}
return sb.toString();
}
}
2. 好后缀表
import java.util.Arrays;
import java.util.HashMap;
public class GoodPostfixMap extends HashMap<String,Integer>{
private static final long serialVersionUID = 503961757136558424L;
public GoodPostfixMap(){}
public GoodPostfixMap(String str){
createMap(str);
}
public GoodPostfixMap(byte[] bs){
createMap(bs);
}
public void createMap(String str){
createMap(str.getBytes());
}
public void createMap(byte[] bytes){
if(bytes == null){
throw new NullPointerException("bytes is null");
}
int i = 1;
int len = bytes.length;
while(i < len){
int j =0;
for(; j < i ; j++){
int pos1 = 0;
int pos2 = len -i;
if( (pos1 != pos2) && (bytes[pos1++] != bytes[pos2++]) ){
break;
}
}
if( j == i){
String str =new String(Arrays.copyOfRange(bytes, 0, i));
put(str,i - 1);
}
i++;
}
}
@Override
public Integer get(Object key){
Integer result = super.get(key);
if(result != null)
return result;
return -1;
}
}
3.算法实现和简单测试
import java.util.Arrays;
public class BoyerMooreStringMatcher {
public int match(String source,String dest){
if(source == null || dest == null){
throw new NullPointerException(
(source == null)
? "soucre is null"
: "dest is null");
}
return match(source.getBytes(),dest.getBytes(),0);
}
/**
* find the {@code source} from the {@code dest} ,begin from {@code pos}
* @return the start position if exist source in dest,or -1 if not exist
*/
public int match(byte[] source,byte[] dest,int pos){
if(source == null || dest == null){
throw new NullPointerException((source == null)
? "source is null"
: "dest is null");
}
BadCharMap bcm = new BadCharMap(source);
GoodPostfixMap gpm = new GoodPostfixMap(source);
int slen = source.length;
int dlen = dest.length;
int mark = (pos < 0) ? 0 : pos; //mark the current comparing start position
int dpos = mark + slen -1; //current comparing position in dest
int spos = slen - 1; //current comparing position in source,begin at the end
while(dpos < dlen){
int count = 0; ///matched char count
while(dpos >= mark){
if(source[spos] != dest[dpos]){
break;
}
spos--;
dpos--;
count++;
}
//all matched
if(count == slen){
return mark;
}
//no matched
if(count == 0){
mark += (slen - 1) - bcm.get(dest[dpos]);
dpos = mark + slen -1;
spos = slen - 1;
continue;
}
//part matched
int offset = -1;
for(int i = slen - count; i < slen ; i++){
int p = gpm.get(new String(Arrays.copyOfRange(source, i, slen)));
if(p != -1){
offset = p;
break;
}
}
mark += (slen - 1) - offset;
dpos = mark + slen -1;
spos = slen - 1;
continue;
}
return -1;
}
public static void main(String[] args){
BoyerMooreStringMatcher matcher = new BoyerMooreStringMatcher();
String dest = "THIS IS A SIMPLE EXAMPLE";
String source = "EXAMPLE";
int pos = matcher.match(source, dest);
System.out.println(pos);
}
}
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
