java实现sunday算法示例分享
字符串匹配查找算法中,最著名的两个是kmp算法(knuth-morris-pratt)和bm算法(boyer-moore)。两个算法在最坏情况下均具有线性的查找时间。但是在实用上,kmp算法并不比最简单的c库函数strstr()快多少,而bm算法则往往比kmp算法快上3-5倍(未亲身实践)。但是bm算法还不是最快的算法,这里介绍一种比bm算法更快一些的查找算法sunday算法。
sunday算法的思想和bm算法中的坏字符思想非常类似。差别只是在于sunday算法在匹配失败之后,是取目标串中当前和pattern字符串对应的部分后面一个位置的字符来做坏字符匹配。当发现匹配失败的时候就判断母串中当前偏移量+pattern字符串长度+1处(假设为k位置)的字符在pattern字符串中是否存在。如果存在,则将该位置和pattern字符串中的该字符对齐,再从头开始匹配;如果不存在,就将pattern字符串向后移动,和母串k+1处的字符对齐,再进行匹配。重复上面的操作直到找到,或母串被找完结束。动手写了个小例子来实现以下这个算法。
在代码中,实现了两种字符串匹配算法,一种是sunday方式,一种是普通的每次移动一位的方式,二者的效率对比在main函数中有,都是纳秒级别。算法的详细步骤,在代码中已经添加了相应的注释。关于bm算法,下次空了再一起对照着分析。
import java.util.hashmap;
import java.util.linkedlist;
import java.util.list;
import java.util.map;
/**
* @author scott
* @date 2013年12月28日
* @description
*/
public class sundysearch {
string text = null;
string pattern = null;
int currentpos = 0;
/**
* 匹配后的子串第一个字符位置列表
*/
list<integer> matchedposlist = new linkedlist<integer>();
/**
* 匹配字符的map,记录改匹配字符串有哪些char并且每个char最后出现的位移
*/
map<character, integer> map = new hashmap<character, integer>();
public sundysearch(string text, string pattern) {
this.text = text;
this.pattern = pattern;
this.initmap();
};
/**
* sunday匹配时,用来存储pattern中每个字符最后一次出现的位置,从左到右的顺序
*/
private void initmap() {
for (int i = 0; i < pattern.length(); i++) {
this.map.put(pattern.charat(i), i);
}
}
/**
* 普通的字符串递归匹配,匹配失败就前进一位
*/
public list<integer> normalmatch() {
//匹配失败,继续往下走
if (!matchfromspecialpos(currentpos)) {
currentpos += 1;
if ((text.length() - currentpos) < pattern.length()) {
return matchedposlist;
}
normalmatch();
} else {
//匹配成功,记录位置
matchedposlist.add(currentpos);
currentpos += 1;
normalmatch();
}
return matchedposlist;
}
/**
* sunday匹配,假定text中的k字符的位置为:当前偏移量+pattern字符串长度+1
*/
public list<integer> sundaymatch() {
// 如果没有匹配成功
if (!matchfromspecialpos(currentpos)) {
// 如果text中k字符没有在pattern字符串中出现,则跳过整个pattern字符串长度
if ((currentpos + pattern.length() + 1) < text.length()
&& !map.containskey(text.charat(currentpos + pattern.length() + 1))) {
currentpos += pattern.length();
}else {
// 如果text中k字符在pattern字符串中出现,则将text中k字符的位置和pattern字符串中的最后一次出现k字符的位置对齐
if ((currentpos + pattern.length() + 1) > text.length()) {
currentpos += 1;
} else {
currentpos += pattern.length() - (integer) map.get(text.charat(currentpos + pattern.length()));
}
}
// 匹配完成,返回全部匹配成功的初始位移
if ((text.length() - currentpos) < pattern.length()) {
return matchedposlist;
}
sundaymatch();
}else {
// 匹配成功前进一位然后再次匹配
matchedposlist.add(currentpos);
currentpos += 1;
sundaymatch();
}
return matchedposlist;
}
/**
* 检查从text的指定偏移量开始的子串是否和pattern匹配
*/
public boolean matchfromspecialpos(int pos) {
if ((text.length()-pos) < pattern.length()) {
return false;
}
for (int i = 0; i < pattern.length(); i++) {
if (text.charat(pos + i) == pattern.charat(i)) {
if (i == (pattern.length()-1)) {
return true;
}
continue;
} else {
break;
}
}
return false;
}
public static void main(string[] args) {
sundysearch sundysearch = new sundysearch("hello 啊啊 阿道夫 adfsadfklf adf234masdfsdfdsfdsfdsffwerwrewrerwerwersdf2666sdflsdfk", "adf");
long begin = system.nanotime();
system.out.println("normalmatch:" + sundysearch.normalmatch());
system.out.println("normalmatch:" + (system.nanotime() - begin));
begin = system.nanotime();
system.out.println("sundaymatch:" + sundysearch.sundaymatch());
system.out.println("sundaymatch:" + (system.nanotime() - begin));
}
}