字符串匹配之Sunday算法

简介

Sunday算法是一种字符串匹配算法，相比于KMP算法，它比较简单易学。

在有些时候，比如字符串很长的时候，它是比KMP要高效的。

核心思想

1. 从前往后匹配，匹配失败时关注主串中参与匹配的最末位字符的下一位。

2. 若该字符没有在模式串中出现，则直接跳过，且模式串移动位数 = 模式串长度 + 1。

3. 否则，移动位数 = 模式串长度 - 该字符在模式串最右出现出现的位置。

---

这三步说明了具体的执行，感觉很抽象。但综合起来就是：

• 匹配时从前向后匹配。
• 匹配失败时，重新对齐模式串与主串。

所以现在的问题是，这个重新对齐是怎么对齐呢？

举个栗子

• 设主串为 eurusdoveyesido
• 设模式串为 esid

1. 正常匹配，在第2位发现不匹配，于是看主串中参与匹配的最末位字符的下一位，也就是s。s也在模式串出现过，那么对齐

2. 对齐后，继续正常匹配，发现第1位就不同，匹配失败。同样，看v，发现v没在模式串出现过，那么模式串就与v后面的e对齐

3. 同样，匹配失败。对齐i

4. 终于，匹配成功！

代码实现

_next数组

是的，Sunday算法也有next数组需要预处理。

next数组存储的是：模式串不同字符最右边的下标。

所以，对于上面例子的模式串 esid

• $next[d]=3$
• $next[i]=2$
• $next[s]=1$
• $next[e]=0$

而对于英文字符，它们都在ASCII里，总计256个，所以我们开一个256大小的数组

c

int _next[256];

void getnext(char pattern[])
{
	int len = strlen(pattern);
	int i;
	for(i = 0;i < 256; i ++)//初始化为 -1
	{
		_next[i] = -1;
	}
	int cnt = 0;
	for(i = len - 1;i >= 0;i --)
	{
		if(_next[i] == -1)
		{
			_next[(int)pattern[i]] = i;
			cnt ++;
			if(cnt == 256)//256满了就退出
			{
				break;
			}
		}
	}
}

这样的预处理，正是以空间换取时间

匹配过程

匹配的代码按思想写就好，值得一提的是：

因为模式串中没有出现的字符的next值为-1，所以正好，当要对齐的时候，模式串多向后移动了一位（减 负 1 -> 加 1）。

c

int SundaySearch(char pattern[],char dest[])
{
	getnext(pattern);
	int i, j, k;
	int lenp = strlen(pattern),lend = strlen(dest);
	for(i = 0;i < lend;)
	{
		j = i;
		for(k = 0;k < lenp && j < lend; k ++)//匹配的过程
		{
			if(dest[j] == pattern[k])
			{
				j ++;
			}else
			{
				break;
			}
		}
		if(k == lenp)//匹配成功，返回首字符下标
		{
			return i;
		}else
		{
			if(i + lenp < lend)//注意越界
			{
				i += lenp - _next[(int)dest[i + lenp]];
			}
			else
			{
				return -1;
			}
		}
	}
	return -1;
}

• 简介
• 核心思想
• 举个栗子
• 代码实现
•     _next数组
•     匹配过程

__EOF__