字符串匹配算法：Sunday算法
背景
我们第一次接触字符串匹配，想到的肯定是直接用2个循环来遍历，这样代码虽然简单，但时间复杂度却是\(Ω(m*n)\)，也就是达到了字符串匹配效率的下限。于是后来人经过研究，构造出了著名的KMP算法（Knuth-Morris-Pratt算法），让我们的时间复杂度降低到了\(O(m+n)\)，但现代文字处理器中，却很少使用KMP算法来做字符串匹配，因为还是太慢了。现在主流的算法是BM算法（Boyer-Moore算法），成功让平均时间复杂度降低到了\(O(m/n)\)，而Sunday算法，则是对BM算法的进一步小幅优化。
KMP算法很多人看了一遍遍以后，对next[n]数组的理解还是有点困难（包括笔者），写代码的时候总是容易变成这种情况（/捂脸.jpg）：
（切到网页）：马冬梅
（切到编译器）：马什么梅
（切到网页）：马冬梅
（切到编译器）：马冬什么
（切到网页）：马冬梅
（切到编译器）：什么冬梅
而Sunday算法，理解起来则是非常容易，同时极低的时间复杂度，让Sunday算法成为了我目前最常使用的字符串匹配算法
Sunday 算法是 Daniel M.Sunday 于 1990 年提出的字符串模式匹配。其效率在匹配随机的字符串时比其他匹配算法还要更快。Sunday 算法的实现可比 KMP，BM 的实现容易太多。
平均性能的时间复杂度为\(O(n)\)；
最差情况的时间复杂度为\(O(n * m)\)。
算法过程
Sunday算法和BM算法稍有不同的是，Sunday算法是从前往后匹配，在匹配失败时关注的是主串中参加匹配的最末位字符的下一位字符。
- 如果该字符没有在模式串中出现则直接跳过，即移动位数 = 模式串长度 + 1；
- 否则，其移动位数 = 模式串长度 – 该字符最右出现的位置(以0开始) = 模式串中该字符最右出现的位置到尾部的距离 + 1。
现在举个例子讲解Sunday算法
假定主串为 “HERE IS A SIMPLE EXAMPLE”，模式串为 “EXAMPLE”。
（1）
从头部开始比较，发现不匹配。则 Sunday 算法要求如下：找到主串中位于模式串后面的第一个字符，即红色箭头所指的 “空格”，再在模式串中从后往前找 “空格”，没有找到，则直接把模式串移到 “空格” 的后面。
（2）
依旧从头部开始比较，发现不匹配。找到主串中位于模式串后面的第一个字符 L，模式串中存在 L，则移动模式串使两个 L 对齐。
（3）
找到匹配。
完整代码
#include <iostream>
#include <string>
#define MAX_CHAR 256
#define MAX_LENGTH 1000
using namespace std;
void GetNext(string & p, int & m, int next[])
{
for (int i = 0; i < MAX_CHAR; i++)
next[i] = -1;
for (int i = 0; i < m; i++)
next[p[i]] = i;
}
void Sunday(string & s, int & n, string & p, int & m)
{
int next[MAX_CHAR];
GetNext(p, m, next);
int j; // s 的下标
int k; // p 的下标
int i = 0;
bool is_find = false;
while (i <= n - m)
{
j = i;
k = 0;
while (j < n && k < m && s[j] == p[k])
j++, k++;
if (k == m)
{
cout << "在主串下标 " << i << " 处找到匹配\n";
is_find = true;
}
if (i + m < n)
i += (m - next[s[i + m]]);
else
break;
}
if (!is_find)
cout << "未找到匹配\n";
}
int main()
{
string s, p;
int n, m;
while (cin >> s >> p)
{
n = s.size();
m = p.size();
Sunday(s, n, p, m);
cout << endl;
}
return 0;
}
数据测试如下：
here#is#a#example
example
在主串下标 10 处找到匹配
aaa
a
在主串下标 0 处找到匹配
在主串下标 1 处找到匹配
在主串下标 2 处找到匹配
aaa
b
未找到匹配
Sunday算法的缺点
看上去简单高效非常美好的Sunday算法，也有一些缺点。因为Sunday算法的核心依赖于move数组，而move数组的值则取决于模式串，那么就可能存在模式串构造出很差的move数组。例如下面一个例子
主串：baaaabaaaabaaaabaaaa
模式串：aaaaa
这个模式串使得move[a]的值为1，即每次匹配失败时，只让模式串向后移动一位再进行匹配。这样就让Sunday算法的时间复杂度飙升到了O(m*n)，也就是字符串匹配的最坏情况,在这种情况下效率就明显低于KMP等算法了 例如：HDU1686
总结
当然，也不能因为存在最坏的情况就直接否定Sunday算法，大多数情况下，Sunday依然是一个简单高效的算法，值得我们熟练学习掌握。