在閱讀開源代碼過程中發現一種字符串搜索方法,仔細分析之後終於搞懂其原理了。雖然不知道這種搜索方法學術上叫什麼名字,但是對其構造跳轉表,跳躍搜索的方式很感興趣,所以記錄下來分享一下。
先看大致的代碼:
#define MAXCHAR 256
/*
* key: 搜索關鍵字
* shift_table: 跳轉表數組指針
*/
void ready(string key, unsigned int *shift_table){
unsigned int k_length = key.length();
int s;
for(s = 0; s < MAXCHAR ; ++s){
*(shift_table + s) = k_length;
}
//構造跳轉表
for(s = 0; s < k_length; ++s){
*(shift_table + key[s]) = k_length - 1 - s;
}
}
/*
* key: 搜索關鍵字
* src: 搜索的源字符串
* n: 搜索長度
* 返回值: 關鍵字在源字符串中的開始位置
*/
int find(string key, string src, int n){
unsigned int shift_table[MAXCHAR];
ready(key, shift_table);
int i,j,pos;
int s = key.length() - 1;
while(s < n){
j = key.length() - 1;
i = s;
while( j >= 0 && (src[i] == key[j])){
--j;
--i;
}
if( j == -1){
pos = i + 1;
return pos;
}
++s;
if (s > n){
return -1;
}
s += shift_table[src[s]];
}
}
其中最有意思的是
//構造跳轉表
for(s = 0; s < k_length; ++s){
*(shift_table + key[s]) = k_length - 1 - s;
}
和
s += shift_table[src[s]];
這兩部分分別是構造跳轉表,和根據跳轉表跳轉到查詢匹配位置。
跳轉表數組相當於字典,下標是每個ASCII碼的int值,下標對應的值是此字符在關鍵字中到最後一個字符的距離。比如key爲“Hello!”,則關鍵字字符對應的跳轉表爲
shift_table[72] = 5
shift_table[69] = 4
shift_table[76] = 2 //76字符是'l'。兩個'l',後面的會把前面的覆蓋
shift_table[79] = 1
shift_table[33] = 0
在字符查找失敗時,根據跳轉表可以跳轉到合適的位置重新查找,避免了逐個字符循環查找的過程,提高了效率。爲什說是"合適"的位置呢?
比如說源字符串“SXEI0Hello!08uix”,關鍵字“Hello!”,先從源字符串“SXEI0H”處從後往前匹配,匹配不成功後,選擇下個位置繼續從後往前的匹配過程。最笨的匹配算法肯定是往後逐個增加字符重複匹配過程,但是很多是不必要的。“SXEI0H”匹配當然是不成功的,探測下個字符‘e’。'e'在關鍵字中也在存在,到最後一個字符距離是4,也就是說,如果此處的‘e’跟關鍵字中的‘e’能匹配上(包括位置),那麼後面的四個字符也應該能匹配的上,那麼就可以根據跳轉表直接跳到‘e’後的第四個字符開始從後往前匹配。如果‘e’後第四個字符匹配不上,那麼中間四個(包括‘e’字符)字符匹配上了也沒意義,這樣就直接跳過中間四個無意義的匹配過程。這就是爲什麼說跳轉表指明瞭每個字符"合適"的跳轉位置。