Chinaunix首页 | 论坛 | 博客
  • 博客访问: 390054
  • 博文数量: 62
  • 博客积分: 388
  • 博客等级: 一等列兵
  • 技术积分: 1032
  • 用 户 组: 普通用户
  • 注册时间: 2012-02-03 20:18
文章分类

全部博文(62)

文章存档

2017年(5)

2016年(3)

2015年(3)

2014年(8)

2013年(15)

2012年(28)

分类: C/C++

2012-06-05 23:27:54

首先,先简单说明一下有关BM算法的一些基本概念。

 

  BM算法是一种精确字符串匹配算法(区别于模糊匹配)。

 

  BM算法采用从右向左比较 的方法,同时应用到了两种启发式规则,即坏字符规则 和好后缀规则,来决定向右跳跃的距离。

 

  BM算法的基本流程: 设文本串T,模式串为P。首先将T与P进行左对齐,然后进行从右向左比较 ,如下图所示:

    

   若是某趟比较不匹配时,BM算法就采用两条启发式规则,即坏字符规则 和好后缀规则 ,来计算模式串向右移动的距离,直到整个匹配过程的结束。

         

    下面,来详细介绍一下坏字符规则 和好后缀规则 。

    首先,诠释一下坏字符和好后缀的概念。

    请看下图:

    

     图中,第一个不匹配的字符(红色部分)为坏字符,已匹配部分(绿色)为好后缀。

    

    1)坏字符规则(Bad Character):

         在BM算法从右向左扫描的过程中,若发现某个字符x不匹配,则按如下两种情况讨论:

               i.  如果字符x在模式P中没有出现,那么从字符x开始的m个文本显然不可能与P匹配成功,直接全部跳过该区域即可。

               ii. 如果x在模式P中出现,则以该字符进行对齐。

 

         用数学公式表示,设Skip(x)为P右移的距离,m为模式串P的长度,max(x)为字符x在P中最右位置。

 

                     

 

         例1:

         下图红色部分,发生了一次不匹配。

 

             

        计算移动距离Skip(c) = 5 - 3 = 2,则P向右移动2位。

        移动后如下图:

              

        

    2)好后缀规则(Good Suffix):

         若发现某个字符不匹配的同时,已有部分字符匹配成功,则按如下两种情况讨论:

              i.  如果在P中位置t处已匹配部分P'在P中的某位置t'也出现,且位置t'的前一个字符与位置t的前一个字符不相同,则将P右移使t'对应t方才的所在的位置。

              ii. 如果在P中任何位置已匹配部分P'都没有再出现,则找到与P'的后缀P''相同的P的最长前缀x,向右移动P,使x对应方才P''后所在的位置。  

 

         用数学公式表示,设Shift(j)为P右移的距离,m为模式串P的长度,j 为当前所匹配的字符位置,s为t'与t的距离(以上情况i)或者x与P''的距离(以上情况ii)。

           

         以上过程有点抽象,所以我们继续图解。

         例2:

         下图中,已匹配部分cab(绿色)在P中再没出现。

         

         再看下图,其后缀T'(蓝色)与P中前缀P'(红色)匹配,则将P'移动到T'的位置。

         

         移动后如下图:

        

          

 

 

          自此,两个规则讲解完毕。

 

     在BM算法匹配的过程中,取SKip(x)与Shift(j)中的较大者作为跳跃的距离。

    

     BM算法预处理时间复杂度为O(m+s),空间复杂度为O(s),s是与P, T相关的有限字符集长度,搜索阶段时间复杂度为O(m·n)。

    

       最好情况下的时间复杂度为O(n/m),最坏情况下时间复杂度为O(m·n)。



 BM算法的实现很复杂,但是高手程序员就是能写出令人敬佩的代码。


    当然,高手程序员不是指我自己,是SNORT2.7.0的设计者/实现者之一。  


    下面是SNORT2.7.0中提取出的代码。

    我将以行注的形式进行讲解。



 

点击(此处)折叠或打开

  1. /*
  2.     函数:int* MakeSkip(char *, int)
  3.     目的:根据坏字符规则做预处理,建立一张坏字符表
  4.     参数:
  5.         ptrn => 模式串P
  6.         PLen => 模式串P长度
  7.     返回:
  8.         int* - 坏字符表
  9. */
  10. int* MakeSkip(char *ptrn, int pLen)
  11. {
  12.     int i;
  13.     //为建立坏字符表,申请256个int的空间
  14.     /*PS:之所以要申请256个,是因为一个字符是8位,
  15.       所以字符可能有2的8次方即256种不同情况*/
  16.     int *skip = (int*)malloc(256*sizeof(int));
  17.   
  18.     if(skip == NULL)
  19.     {
  20.         fprintf(stderr, "malloc failed!");
  21.         return 0;
  22.     }
  23.   
  24.     //初始化坏字符表,256个单元全部初始化为pLen
  25.     for(i = 0; i < 256; i++)
  26.     {
  27.         *(skip+i) = pLen;
  28.     }
  29.   
  30.     //给表中需要赋值的单元赋值,不在模式串中出现的字符就不用再赋值了
  31.     while(pLen != 0)
  32.     {
  33.         *(skip+(unsigned char)*ptrn++) = pLen--;
  34.     }
  35.   
  36.     return skip;
  37. }
  38.   
  39.   
  40. /*
  41.     函数:int* MakeShift(char *, int)
  42.     目的:根据好后缀规则做预处理,建立一张好后缀表
  43.     参数:
  44.         ptrn => 模式串P
  45.         PLen => 模式串P长度
  46.     返回:
  47.         int* - 好后缀表
  48. */
  49. int* MakeShift(char* ptrn,int pLen)
  50. {
  51.     //为好后缀表申请pLen个int的空间
  52.     int *shift = (int*)malloc(pLen*sizeof(int));
  53.     int *sptr = shift + pLen - 1;//方便给好后缀表进行赋值的指标
  54.     char *pptr = ptrn + pLen - 1;//记录好后缀表边界位置的指标
  55.     char c;
  56.   
  57.     if(shift == NULL)
  58.     {
  59.         fprintf(stderr,"malloc failed!");
  60.         return 0;
  61.     }
  62.   
  63.     c = *(ptrn + pLen - 1);//保存模式串中最后一个字符,因为要反复用到它
  64.   
  65.     *sptr = 1;//以最后一个字符为边界时,确定移动1的距离
  66.   
  67.     pptr--;//边界移动到倒数第二个字符(这句是我自己加上去的,因为我总觉得不加上去会有BUG,大家试试“abcdd”的情况,即末尾两位重复的情况)
  68.   
  69.     while(sptr-- != shift)//该最外层循环完成给好后缀表中每一个单元进行赋值的工作
  70.     {
  71.         char *p1 = ptrn + pLen - 2, *p2,*p3;
  72.           
  73.         //该do...while循环完成以当前pptr所指的字符为边界时,要移动的距离
  74.         do{
  75.             while(p1 >= ptrn && *p1-- != c);//该空循环,寻找与最后一个字符c匹配的字符所指向的位置
  76.               
  77.             p2 = ptrn + pLen - 2;
  78.             p3 = p1;
  79.               
  80.             while(p3 >= ptrn && *p3-- == *p2-- && p2 >= pptr);//该空循环,判断在边界内字符匹配到了什么位置
  81.   
  82.         }while(p3 >= ptrn && p2 >= pptr);
  83.   
  84.         *sptr = shift + pLen - sptr + p2 - p3;//保存好后缀表中,以pptr所在字符为边界时,要移动的位置
  85.         /*
  86.           PS:在这里我要声明一句,*sptr = (shift + pLen - sptr) + p2 - p3;
  87.              大家看被我用括号括起来的部分,如果只需要计算字符串移动的距离,那么括号中的那部分是不需要的。
  88.              因为在字符串自左向右做匹配的时候,指标是一直向左移的,这里*sptr保存的内容,实际是指标要移动
  89.              距离,而不是字符串移动的距离。我想SNORT是出于性能上的考虑,才这么做的。
  90.         */
  91.   
  92.         pptr--;//边界继续向前移动
  93.     }
  94.   
  95.     return shift;
  96. }
  97.   
  98.   
  99. /*
  100.     函数:int* BMSearch(char *, int , char *, int, int *, int *)
  101.     目的:判断文本串T中是否包含模式串P
  102.     参数:
  103.         buf => 文本串T
  104.         blen => 文本串T长度
  105.         ptrn => 模式串P
  106.         PLen => 模式串P长度
  107.         skip => 坏字符表
  108.         shift => 好后缀表
  109.     返回:
  110.         int - 1表示成功(文本串包含模式串),0表示失败(文本串不包含模式串)。
  111. */
  112. int BMSearch(char *buf, int blen, char *ptrn, int plen, int *skip, int *shift)
  113. {
  114.     int b_idx = plen;
  115.     if (plen == 0)
  116.         return 1;
  117.     while (b_idx <= blen)//计算字符串是否匹配到了尽头
  118.     {
  119.         int p_idx = plen, skip_stride, shift_stride;
  120.         while (buf[--b_idx] == ptrn[--p_idx])//开始匹配
  121.         {
  122.             if (b_idx < 0)
  123.                 return 0;
  124.             if (p_idx == 0)
  125.             {
  126.                 return 1;
  127.             }
  128.         }
  129.         skip_stride = skip[(unsigned char)buf[b_idx]];//根据坏字符规则计算跳跃的距离
  130.         shift_stride = shift[p_idx];//根据好后缀规则计算跳跃的距离
  131.         b_idx += (skip_stride > shift_stride) ? skip_stride : shift_stride;//取大者
  132.     }
  133.     return 0;
  134. }



 

阅读(4407) | 评论(0) | 转发(1) |
给主人留下些什么吧!~~