如何实现流的 Boyer-Moore 搜索

Question

我将如何着手实施Boyer-Moore Search for streams？我了解如何为我们知道整个字符串长度的给定字符串实现这一点。但是，如果我们不知道字符串的大小（即它是任意长度的字节流）怎么办？我正在尝试在 PHP 中实现它，因此 PHP 中的任何代码都会有所帮助。这是我在 PHP 中实现的 Boyer-Moore 搜索：function BoyerMooreSearch($haystack, $needle) {    $needleLen = strlen($needle);    $haystackLen = strlen($haystack);    $table = computeSkipTable($needle);    for ($i = $needleLen - 1; $i < $haystackLen;) {         $t = $i;        for ($j = $needleLen - 1; $needle[$j] == $haystack[$i]; $j--, $i--) {             if($j == 0) {                return $i;            }        }        $i = $t;        if(array_key_exists($haystack[$i], $table)) {            $i = $i + max($table[$haystack[$i]], 1);        } else {            $i += $needleLen;        }    }    return false;}function computeSkipTable($string) {    $len = strlen($string);    $table = [];    for ($i=0; $i < $len; $i++) {         $table[$string[$i]] = $len - $i - 1;     }    return $table;}如果我们给它一个 haystack string"barfoobazquix"和 needle string 就可以正常工作"foo"，它会3按预期返回。但是，如果输入 haystack 是一个分成 4 字节块的流怎么办。第一个块是"barf"，它不会返回任何匹配项，第二个块是 ，"ooba"它也不会返回任何匹配项，依此类推......在这种情况下，我们永远无法"foo"在当前实现的流的任何缓冲块中找到子字符串。我正在努力调整当前的实现，以便即使搜索字符串被拆分成多个块也能正常工作。

Answer 1

请注意，您只使用$needleLen流中的最新字符。所以你可以维护一个$needleLen由字符组成的滑动窗口，并根据需要推进它。此外，$haystackLen现在是未知的，应该用 EOF 检查代替。

O(n)下面的代码效率低下，因为无论我们是按字符滑动窗口n还是仅按 1 个滑动窗口，滑动窗口总是需要时间。为了实现最佳的滑动复杂度，$window应该将其实现为循环字符缓冲区。

// sample call

var_dump(BoyerMooreSearch(STDIN, 'foo'));

function BoyerMooreSearch($resource, $needle) {

    $needleLen = strlen($needle);

    $table = computeSkipTable($needle);

    // build the first window

    if (($window = buildWindow($resource, $needleLen)) === false) {

        // special case: the text is shorter than the pattern

        return false;

    }

    $i = 0;

    while (true) {

        // check for a match

        $j = $needleLen - 1;

        while ($j >= 0 && $needle[$j] == $window[$j]) {

            $j--;

        }

        if ($j < 0) {

            return $i;

        }

        // determine slide distance

        $t = $i;

        $last = substr($window, -1);

        if (array_key_exists($last, $table)) {

            $i = $i + max($table[$last], 1);

        } else {

            $i += $needleLen;

        }

        // slide the window

        if (($window = slideWindow($window, $resource, $i - $t)) === false) {

            return false;

        }

    }

    return false;

}

/**

 * Initializes the sliding window to length $len.

 *

 * @return string A string of length $len or false if the $resource contains

 * less than $len characters.

 */

function buildWindow ($resource, $len) {

    $result = '';

    while ($len--) {

        $result .= fgetc($resource);

    }

    return feof($resource) ? false : $result;

}

/**

 * Slides $window by $count positions into $resource.

 *

 * @return string The new window or false on EOF.

 */

function slideWindow(&$window, $resource, $count) {

    $window = substr($window, $count) // discard the first $count chars

        . fread($resource, $count);   // and read $count new chars

    return feof($resource) ? false : $window;

}