BM(Boyer |
您所在的位置:网站首页 › 虚拟domdiff算法阮一峰 › BM(Boyer |
BM算法(Boyer-Moore)
BM算法也叫做精确字符集算法,它是一种从右往左比较(后往前),同时也应用到了两种规则坏字符、好后缀规则去计算我们移动的偏移量的算法。 一、坏字符规则BM 算法是从后往前进行比较,此时我们发现比较的第一个字符就不匹配,我们将主串这个字符称之为坏字符,也就是 f 。我们发现坏字符之后,模式串 T 中查找是否含有该字符(f),我们发现并不存在 f,此时我们只需将模式串右移到坏字符的后面一位即可。如下图: BM 算法是从后往前进行比较,此时我们发现比较的第一个字符就不匹配,我们将主串这个字符称之为坏字符,也就是 f ,我们发现坏字符之后,模式串 T 中查找是否含有该字符(f),我们发现并不存在 f,此时我们只需将模式串右移到坏字符的后面一位即可。如下图: 那我们在模式串中找到坏字符该怎么办呢? 此时我们的坏字符为 f ,我们在模式串中,查找发现含有坏字符 f,我们则需要移动模式串 T ,将模式串中的 f 和坏字符对齐。见下图: 然后我们继续从右往左进行比较,发现 d 为坏字符,则需要将模式串中的 d 和坏字符对齐。
那么我们在来思考一下这种情况,那就是模式串中含有多个坏字符怎么办呢? 那么我们为什么要让最靠右的对应元素与坏字符匹配呢?如果上面的例子我们没有按照这条规则看下会产生什么问题。 如果没有按照我们上述规则,则会漏掉我们的真正匹配。我们的主串中是含有 babac 的,但是却没有匹配成功,所以应该遵守最靠右的对应字符与坏字符相对的规则。 我们上面一共介绍了三种移动情况,分别是下方的模式串中没有发现与坏字符对应的字符,发现一个对应字符,发现两个。这三种情况我们分别移动不同的位数,那我们是根据依据什么来决定移动位数的呢?下面我们给图中的字符加上下标。见下图:
好后缀其实也很容易理解,我们之前说过 BM 算法是从右往左进行比较,下面我们来看下面这个例子。
BM 算法是从右往左进行比较,发现坏字符的时候此时 cac 已经匹配成功,在红色阴影处发现坏字符。此时已经匹配成功的 cac 则为我们的好后缀,此时我们拿它在模式串中查找,如果找到了另一个和好后缀相匹配的串,那我们就将另一个和好后缀相匹配的串 ,滑到和好后缀对齐的位置。 是不是感觉有点拗口,没关系,我们看下图,红色代表坏字符,绿色代表好后缀。
我们下面来看一下这种情况。
之前我们刚开始说坏字符的时候,是不是有可能会出现负值的情况 (存在好后缀的情况才有可能出现负值),即往左移动的情况,所以我们为了解决这个问题,我们可以分别计算好后缀和坏字符往后滑动的位数 (好后缀不为 0 的情况),然后取两个数中最大的,作为模式串往后滑动的位数。 在构建坏字符移动位数表的时候,因为只需要对整个模式串进行一次循环,所以速度是很快的,时间复杂度为 O ( m ) O(m) O(m),代码如下: # 用来求坏字符情况下移动位数 def badChar(self, t, t_len): # 初始化 bc_dict = dict() # t_len 代表模式串的长度,如果有两个字符'a',则后面那个会覆盖前面那个的位置 # 因此可以保证最终得到的是字符在模式串中的最后一个位置 for i in range(t_len): bc_dict[t[i]] = i return bc_dict在构建好后缀移动位数表的时候,通常容易想到的方法是:首先需要定义一个数组用来存储移动位数,之后依次增长后缀长度,每次选定后缀都需要遍历查询有无匹配的后缀,以及位于模式串头的后缀子串。算法时间复杂度 O ( n 3 ) O(n^3) O(n3)(两个for加一个==),代码如下: # 构建好后缀规则移动字典 def good_suffix(self, t, t_len): gs_list = [t_len] * t_len for i in range(1, t_len): suffix = t[i:] suffix_len = t_len - i for j in range(t_len-1, -suffix_len, -1): if j >= suffix_len: if t[j-suffix_len: j] == suffix: gs_list[t_len-i] = t_len - j break else: if t[0: j] == suffix[suffix_len-j:]: gs_list[t_len-i] = t_len - j break return gs_list由于 O ( n 3 ) O(n^3) O(n3) 的时间复杂度太慢了,于是有一种很巧妙的算法,算法时间复杂度 O ( n 2 ) O(n^2) O(n2)。 他的思路是构建两个数组来进行优化,其中一个是好后缀在模式串中出现的最后一个的位置数组 suffix(不包含好后缀子串的情况),另外一个数组 prefix 是对应于 suffix 的,记录着其是否位于模式串头部,如下图:
得到两个数组之后,即可通过坏字符的下标获取到好后缀的移动位数,步骤为: 获取好后缀长度判断 suffix 数组中如果含有长度为 suffix_length 的好后缀,返回移动位数找头部为好后缀子串的最大长度,从长度最大的子串开始,如果是头部,则移动 t_len - k 个位数如果没有发现 好后缀匹配的串/头部为好后缀子串,则移动到 t_len 位,也就是模式串的长度 # 根据 suffix 和 prefix 以及坏字符的下标获取到好后缀的移动位数 def move(self, i, t_len, suffix, prefix): # i代表坏字符的下标 # 好后缀长度 suffix_length = t_len - 1 - i # 如果含有长度为 suffix_length 的好后缀,返回移动位数 if suffix[suffix_length] != -1: return i + 1 - suffix[suffix_length] # 找头部为好后缀子串的最大长度,从长度最大的子串开始 for k in range(suffix_length-1, 0, -1): # 如果是头部,则移动 t_len - k 个位数 if prefix[k] is True: return t_len - k # 如果没有发现 好后缀匹配的串/头部为好后缀子串,则移动到 t_len 位,也就是模式串的长度 return t_len已经完成坏字符和好后缀所需要的函数,下面可以进行对BM算法的搜索流程进行实现: 获取坏字符移动位数表以及suffix, prefix数组模式串搜索:(从第一个字符开始匹配): 如果匹配字符的位置大于两字符长度的差值,则不可能存在匹配字串,故退出循环,返回 -1如果未达到,则从后往前匹配: 匹配成功,返回当前下标匹配失败,找到坏字符,并计算需要移动的位数: 如果不含有好后缀的话: 求出坏字符规则下移动的位数,将当前下标进行移动。 如果有好后缀的话: 求出坏字符规则下移动的位数求出好后缀情况下的移动位数当前下标选择两种规则的最大偏移位数进行移动按照新的下标重新开始模式串搜索注意:步骤中好后缀情况下的移动位数存在重复计算,故可以采用额外空间存储已经计算过的值对时间复杂度进行优化。 def bm(self, s, s_len, t, t_len): # 获取好后缀移动位数表 bc_dict = self.badChar(t, t_len) # suffix 用来保存各种长度好后缀的最右位置的数组 # prefix 判断是否是头部,如果是头部则true suffix, prefix = self.goodSuffix(t, t_len) # 用来存储已经查询过的好后缀移动位数,可减少时间开销(优化点) gs_dict = [None] * t_len # 第一个匹配字符 now = 0 # 如果匹配字符的位置到达两字符长度的差值,则不可能存在匹配字串,则退出循环 while now = 0 and s[now+i] == t[i]: i -= 1 # 退出条件,模式串遍历完毕,匹配成功,返回当前下标 now if i 0 and t_len - 1 > i: # 判断是否计算过,如果没有计算过则需要计算后存储答案至列表 if gs_dict[i] is None: gs_dict[i] = self.move(i, t_len, suffix, prefix) gs_move = gs_dict[i] # 选择最大偏移位数进行移动 now += max(bc_move, gs_move) return -1 四、完整代码 class Solution: def strStr(self, haystack: str, needle: str) -> int: haystack_length = len(haystack) needle_length = len(needle) return self.bm(haystack, haystack_length, needle, needle_length) def bm(self, s, s_len, t, t_len): # 获取好后缀移动位数表 bc_dict = self.badChar(t, t_len) # suffix 用来保存各种长度好后缀的最右位置的数组 # prefix 判断是否是头部,如果是头部则true suffix, prefix = self.goodSuffix(t, t_len) # 用来存储已经查询过的好后缀移动位数,可减少时间开销(优化点) gs_dict = [None] * t_len # 第一个匹配字符 now = 0 # 如果匹配字符的位置到达两字符长度的差值,则不可能存在匹配字串,则退出循环 while now = 0 and s[now+i] == t[i]: i -= 1 # 退出条件,模式串遍历完毕,匹配成功,返回当前下标 now if i 0 and t_len - 1 > i: # 判断是否计算过,如果没有计算过则需要计算后存储答案至列表 if gs_dict[i] is None: gs_dict[i] = self.move(i, t_len, suffix, prefix) gs_move = gs_dict[i] # 选择最大偏移位数进行移动 now += max(bc_move, gs_move) return -1 # 根据 suffix 和 prefix 以及坏字符的下标获取到好后缀的移动位数 def move(self, i, t_len, suffix, prefix): # i代表坏字符的下标 # 好后缀长度 suffix_length = t_len - 1 - i # 如果含有长度为 suffix_length 的好后缀,返回移动位数 if suffix[suffix_length] != -1: return i + 1 - suffix[suffix_length] # 找头部为好后缀子串的最大长度,从长度最大的子串开始 for k in range(suffix_length-1, 0, -1): # 如果是头部,则移动 t_len - k 个位数 if prefix[k] is True: return t_len - k # 如果没有发现 好后缀匹配的串/头部为好后缀子串,则移动到 t_len 位,也就是模式串的长度 return t_len # 用来求坏字符情况下移动位数 def badChar(self, t, t_len): # 初始化 bc_dict = dict() # t_len 代表模式串的长度,如果有两个字符'a',则后面那个会覆盖前面那个的位置 # 因此可以保证最终得到的是字符在模式串中的最后一个位置 for i in range(t_len): bc_dict[t[i]] = i return bc_dict # 用来求辅助数组 suffix 和 prefix def goodSuffix(self, t, t_len): # 初始化 suffix = [-1] * t_len prefix = [False] * t_len # 递增子串长度,直到 t_len-1,从 0 开始可以从远到近依次覆盖得到最优 suffix for i in range(t_len-1): start = i suffix_length = 0 # 更新 suffix 数组,分别从取子串和模式串倒数第一个值开始 # 如果相等且子串长度不为 0,则令 suffix[suffix_length] = start, # 其中suffix_length为后缀长度,start 等同于模式串中与后缀相同的字符串所处的位置 while start >= 0 and t[start] == t[t_len-1-suffix_length]: suffix_length += 1 suffix[suffix_length] = start start -= 1 # 更新prefix数组,等于-1说明已经遍历完字符串头部 if start == -1: prefix[suffix_length] = True return suffix, prefix 五、总结BM算法很好地利用了后缀的匹配方式,是很优秀的单模匹配算法,但是BM算法构建好后缀表需要花大量的时间,往往对于小规模匹配情况可能KMP算法和C标准函数strstr效果更好(strstr函数虽然用的是O(n^2)的算法,但是可能模式串也不是很大,而且这个函数可能是经过微软在汇编层进行过优化的。) 文章参考《这可能是全网最细的 KMP 讲解!(BF,BM,KMP)》(借鉴大部分来自于此!!!) |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |