一种字符串搜索方法

在阅读开源代码过程中发现一种字符串搜索方法，仔细分析之后终于搞懂其原理了。虽然不知道这种搜索方法学术上叫什么名字，但是对其构造跳转表，跳跃搜索的方式很感兴趣，所以记录下来分享一下。

先看大致的代码：

#define MAXCHAR 256
/*
* key: 搜索关键字
* shift_table: 跳转表数组指针
*/
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;
}
//构造跳转表
for(s = 0; s < k_length; ++s){
*(shift_table + key[s]) = k_length - 1 - s;
}
}
/*
* key: 搜索关键字
* src: 搜索的源字符串
* n:  搜索长度
* 返回值: 关键字在源字符串中的开始位置
*/
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

//构造跳转表
for(s = 0; s < k_length; ++s){
*(shift_table + key[s]) = k_length - 1 - s;
}

和

s += shift_table[src[s]];

这两部分分别是构造跳转表，和根据跳转表跳转到查询匹配位置。

跳转表数组相当于字典，下标是每个ASCII码的int值，下标对应的值是此字符在关键字中到最后一个字符的距离。比如key为“Hello!”，则关键字字符对应的跳转表为

shift_table[72] = 5
shift_table[69] = 4
shift_table[76] = 2 //76字符是'l'。两个'l'，后面的会把前面的覆盖
shift_table[79] = 1
shift_table[33] = 0

在字符查找失败时，根据跳转表可以跳转到合适的位置重新查找，避免了逐个字符循环查找的过程，提高了效率。

为什说是"合适"的位置呢？

比如说源字符串“SXEI0Hello!08uix”，关键字“Hello!”，先从源字符串“SXEI0H”处从后往前匹配，匹配不成功后，选择下个位置继续从后往前的匹配过程。最笨的匹配算法肯定是往后逐个增加字符重复匹配过程，但是很多是不必要的。“SXEI0H”匹配当然是不成功的，探测下个字符‘e’。'e'在关键字中也在存在，到最后一个字符距离是4，也就是说，如果此处的‘e’跟关键字中的‘e’能匹配上（包括位置），那么后面的四个字符也应该能匹配的上，那么就可以根据跳转表直接跳到‘e’后的第四个字符开始从后往前匹配。如果‘e’后第四个字符匹配不上，那么中间四个（包括‘e’字符）字符匹配上了也没意义，这样就直接跳过中间四个无意义的匹配过程。这就是为什么说跳转表指明了每个字符"合适"的跳转位置。