字符串匹配存在的问题

Python中在一个长字符串中查找子串是否存在可以用两种方法：一是str的find()函数，find()函数只返回子串匹配到的起始位置，若没有，则返回-1；二是re模块的findall函数，可以返回所有匹配到的子串。

但是如果用findall函数时需要注意字符串中存在的特殊字符

蛮力法字符串匹配：

将模式对准文本的前m（模式长度）个字符，然后从左到右匹配每一对对应的字符，直到全部匹配或遇到一个不匹配的字符。后一种情况下，模式向右移一位。

代码如下：

def string_match(string, sub_str): # 蛮力法字符串匹配 for i in range(len(string)-len(sub_str)

1): index = i #

index指向下一个待比较的字符 for j in

range(len(sub_str)): if string[index] ==

sub_str[j]: index =

1

else: break

if index-i ==

len(sub_str): return

i return -1

if __name__ == "__main__": print(string_match("adbcbdc", "dc"))

最坏情况下，该算法属于Θ(nm)，事实上，该算法的平均效率比最差效率好得多。事实上在查找随机文本的时候，其属于线性的效率Θ(n)。

Horspool算法：

Horsepool算法是Boyer-Moore算法的简化版本，这也是一个空间换时间的典型例子。算法把模式P和文本T的开头字符对齐，从模式的最后一个字符开始比较，如果尝试比较失败了，它把模式向后移。每次尝试过程中比较是从右到左的。

在蛮力算法中，模式的每一次移动都是一个字符，Horspool算法的核心思想是利用空间来换取时间，提升模式匹配窗口的移动幅度。与蛮力算法不同的是，其模式的匹配是从右到左的，通过预先算出每次移动的距离并存于表中。

代码如下： __author__ = 'Wang'

from collections import defaultdict def shift_table(pattern): # 生成 Horspool 算法的移动表 # 当前检测字符为c，模式长度为m #

如果当前c不包含在模式的前m-1个字符中，移动模式的长度m #

其他情况下移动最右边的的c到模式最后一个字符的距离 table = defaultdict(lambda:

len(pattern)) for index in range(0,

len(pattern)-1): table[pattern[index]] = len(pattern) - 1 -

index return table def horspool_match(pattern, text): # 实现 horspool 字符串匹配算法 # 匹配成功，返回模式在text中的开始部分；否则返回

-1 table =

shift_table(pattern) index = len(pattern) - 1

while index <= len(text) -

1: print("start matching at",

index) match_count = 0

while match_count < len(pattern)

and pattern[len(pattern)-1-match_count] ==

text[index-match_count]: match_count = 1

if match_count ==

len(pattern): return index-match_count

1

else: index =

table[text[index]] return -1

if __name__ == "__main__": print(horspool_match("barber",

"jim_saw_me_in_a_barbershopp"))

显然，Horspool算法的最差效率属于属于Θ(nm)。在查找随机文本的时候，其属于线性的效率Θ(n)。虽然效率类型相同，但平均来说，Horspool算法比蛮力算法快很多。