如何实现流的 Boyer-Moore 搜索

Question

我将如何为流实现Boyer-Moore Search？我了解如何为给定的字符串实现这一点，我们知道整个字符串的长度。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 中实现这一点，因此 PHP 中的任何代码都会有所帮助。

这是我在 PHP 中的 Boyer-Moore Search 的实现：

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;
}

如果我们给它一个像"barfoobazquix" 这样的干草堆字符串和一个像"foo" 这样的针状字符串，它会正常工作，它将按预期返回3。但是，如果输入 haystack 是一个拆分为 4 字节块的流怎么办。第一个块是"barf"，它将不返回匹配项，第二个块是"ooba"，它也返回不匹配项，依此类推...

在这种情况下，我们永远无法在当前实现的流的任何缓冲块中找到子字符串"foo"。我正在努力调整当前的实现，即使搜索字符串被分成多个块，它也能正常工作。

Answer 1

请注意，您只能使用流中的 $needleLen 最近的字符。因此，您可以维护一个由$needleLen 字符组成的滑动窗口，并根据需要将其推进。此外，$haystackLen 现在未知，应替换为 EOF 检查。

下面的代码效率低，因为滑动窗口总是需要O(n)，无论我们滑动n 个字符还是仅仅1 个字符。为了获得最佳的滑动复杂度，$window 应该实现为一个循环字符缓冲区。

// 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;
}