Boyer-Moore algorithm

Boyer-Moore算法不只效率高，并且构思巧妙，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教授本身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，由于若是尾部字符不匹配，那么只要一次比较，就能够知道前7个字符确定不是要找的结果。

咱们看到，”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。咱们还发现，”S”不包含在搜索词”EXAMPLE”之中，这意味着能够把搜索词直接移到”S”的后一位。

3.

依然从尾部开始比较，发现”P”与”E”不匹配，因此”P”是”坏字符”。可是，”P”包含在搜索词”EXAMPLE”之中。因此，将搜索词后移两位，两个”P”对齐。

4.

咱们由此总结出“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

若是”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，它做为”坏字符”，出如今搜索词的第6位（从0开始编号），在搜索词中的上一次出现位置为4，因此后移 6 – 4 = 2位。再之前面第二步的”S”为例，它出如今第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。咱们把这种状况称为”好后缀”（good suffix），即全部尾部匹配的字符串。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。因此，”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.

咱们知道，此时存在”好后缀”。因此，能够采用“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

计算时，位置的取值以”好后缀”的最后一个字符为准。若是”好后缀”在搜索词中没有重复出现，则它的上一次出现位置为 -1。

全部的”好后缀”（MPLE、PLE、LE、E）之中，只有”E”在”EXAMPLE”之中出现两次，因此后移 6 – 0 = 6位。

12.

能够看到，”坏字符规则”只能移3位，”好后缀规则”能够移6位。因此，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。所以，能够预先计算生成《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能够了。

13.

继续从尾部开始比较，”P”与”E”不匹配，所以”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，发现所有匹配，因而搜索结束。若是还要继续查找（即找出所有匹配），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。