基于Horspool算法的模糊匹配
第３０卷第１期计算机工程
２００４年１月ＶｏＬ３０脑１ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇＪａｎｕａｒｙ２００４?基金项目论文?文ｌｌｑ＂，１００啦一３４２８（２００４）ｏｌ—１０６０—０２文州融Ｒ面弓ｔＡ中田分类号ｔＴＰ３０１．６基于Ｈｏｒｓｐｏｏｌ算法的模糊匹配
铀立进，吴泽俊，董虹斌
（武汉大学软件工程国家重点实验室，计算机学院．武汉４３００７２）
揞蔓：匹配模式中存在模糊信息的匹配形式称为模糊匹配，它是目前字符串匹配的重要研究方向。Ｈｏｒｓｐｏｏ［算＿ｉ击是精确厘配的经典算法，但不能实现模糊匹配。该文将要求匹配的模式转化为相应的二进制数序列，在ｔｔｏｒｓｐｏｏｌ算ｊ击基础上扩大其功能，使其能够实现模糊匹配，且不影响其楮确匹配的功能。
关悯：模式匹配；模糊匹配；ＢＭ算法；Ｈ０６ｐｏｏｌ算法；精确匹配
ＡｐｐｒｏｘｉｍａｔｅＭａｔｃｈｉｎｇＢａｓｅｄｏｎＨｏｒｓｐｏｏｌＡｌｇｏｒｉｔｈｍ
ＱＩＡＮＬｉｊｉｎ。ＷＵＺｅｊｕｎ，ＤＯＮＧＨｏｎｇｂｉｎ
（ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｏＲｗａｒｅＥｎｇｉｎｅｅｒｉｎｇ，ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＷｕｉｍｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３８０７２）
ｌＡｂｓｔｒａｃｔＪ
ＡｐｐｒｏｘｉｍａｔｅｍａｔｃｈｉｎｇｉｓａｔｙｐｅｏｆｍａｔｃｈｉｎｇｗｈｏｓｅｐａＲｅｒａｉｎｃｌｕｄｅｓａｐｐｒｏｘｉｍａｔｅｉｎｆｏｒｍａｔｉｏｎｓ
ａｎｄｉｔｉｓＯＩＩＣｏｆｔｈｅｍａｉｎｓｅａｒｃｈａＥＣＳＳｃｕｒｒｅｎｔｌｙｒｅｌａｔｅｄｔＯｓｔｒｉｎｇｍａｔｃｈｉｎｇＨｏｒｓｐｏｏｌａｌｇｏｒｉｔｈｍｉｓＯｆｌＣｏｆｔｈｅｍｏｓｔｃｌａｓｓｉｃａｌｇｏｒｉｔｈｍｓｒｅｌａｔｅｄｔｏａｃｃｕｒａｔｅｍａｔｃｈｉｎｇｗｈｉｌｅｉｔｃａｎｎｏｔＩｌｕｌｆｉｌｌａｐｐｒｏｘｉｍａｔｅｍａｔｃｈｉｎ９１’ｉｌｌｓｐａｐｅｒｔｒａｎｓｆｏｌｎｌ８ｐａｔｔｅｒｎｉｎｔｏｂｉｎａｒｙｌｉｓｔｓａｎｄｉｍｐｒｏｖｅｓＨｏｒｓｐｏｏｌａＩｇｏｒｉｔｈｍｉｎｏｒｄｅｒｔｏｔｈｉｎＩＩｂｏｔｈａｃｃｕｒａｔｅｍａｔｃｈｉｎｇａｎｄａｐｐｒｏｘｉｍａｔｅｍａｔｃｈｉｎｇ
ＩＫｅｙｗｏｒｄｓ］Ｐａｌｔｅｒｎｍａｔｃｈｉｎｇ；Ａｐｐｒｏｘｉｍａｔｅｍａｔｃｈｉｎｇ；Ｂｏｙｅｒ－ｍｏｏｒｅａｉｇｏｒｌｔｈｍ．ＨｏｒｓｐｏＮａｔｇｏｔｉｔｈｍ；Ａｃｃｕｒａｔｅｍａｌｃｈｌｎｇ
长期以来对半结构化或非结构化数据（女［１ｈｔｍｌ）的处理一直是众多学者研究的重点。而在这些流式文件上进行信息检索和分析，特别是带模糊信息内容的有效检索，更是一个难点。模式匹配即在冗长的二进制串或字符串中定位模式串所在的位置。模式匹配在自然语言处理、文本编辑、情报检索、ＤＮＡ鉴定、病毒监测等众多领域都有着广泛应用。目前主要的研究方向集中在模糊匹配和容错匹配上，相关的研究方法主要有基于位并行模拟（女ｆｌＳｈｉｆｌ—Ｏｒ算｛去【“，ＢＰＡＬ２ｌ等）和基于二自动机（女［ＩＢＤＭ算法”‘等）。
模糊匹配指的是模式中含有模糊信息的匹配形式，因模糊信息多样化，较精确匹配更难实现，且实现起来的代价更高。Ｈｏｒｓｐｏｏ｝”算法是精确匹配的经典算法，以简洁、高效而著称，现有的众多匹配算法都以其为理论基础。本文将结合位并行模拟方法，将模式转化为特定的二进制数序列。改进Ｈｏｒｓｐ００Ｉ算法使其既日Ｅ够实现精确匹配，也能够实现模糊匹配。
ｌ介绍
１．Ｉ模翱匹配
设Ｅ为固定字符集，字符串ｐａｔ＝ｐ，＆…ｐｌ｜ｌ（长度为ｍ，其中ｎ∈∑），字符串文本ｔｅｘｔ＝ｔ．ｔ２…ｋ（长度为１１，ｎ∈Ｅ），且认为ｍ≤ｎ．若ｐａｔ是ｔｅｘｔ的一个子串。则称模式州与主串ｔｅｘｔ匹配。在主串中寻找子串（模式）的过程，则称为模式匹配。ｐａｔ中包含不确定字符或者特定的约束条件时，则称为模糊匹配Ｉ“２３”。模糊匹配包含以下３种情况：
（Ｉ）ｐａｔ中含有””字符（通配符），表示这个字符可以由字符集Ｅ中的任意一个字符所代替。例如：ｐａｔ书ｃ＊ｏｏ［与ｓｃｈｏｏｌ和ｓｃａｏｏｌ都匹配；
（２）ｐａｔ中含“【特定的多个字符】”，表示这个字符（［】代表一个字符位置）可以由【ｌ中的任意一个字符所代替。例如：ｐａｔ＝ｓｃ［ａｃ］ｏｏ［（此时的模式长度是５）与ｓｃａｏｏ［、ｓｃｃｏｏｌ都匹配，而与ｓｃｂｏｏｌ矸；匹配，因为ｂ没有出现在¨中；
（３）ｐａｔｑ，含有“ｃ”，表示此字符可由任意不等于ｃ的一６０～字符所替代。例如ｐａｔ＝ｓｃｈｏｏｌ与ｓｃａｏｏ［匹配，而与ｓｃｈｏｏｌ不匹配。
１．２ＢＭ算法爰其改进版Ｈｏｒｓｐｏｏｌ算法
ＢＭ算法”１是由ＲＢｏｙｅｒ和ＳＭｏｏｒｅ于１９７７年提出的，是最经典的模式匹配算法之一。后来众多的模式匹配算法都是在其基础上改进发展起来的。Ｈｏｒｓｐｏｏｌ算洌”，又称为Ｂｏｙｅｒ－Ｍｏｏｒｅ－Ｈｏｒｓｐｏｏｌ算法，是ＢＭ算法的简化改进版。因Ｈｏｒｓｐｏｏｌ算法与ＢＭ算法的继承关系，下面将只简述Ｈｏｒｓｐｏｏｌ算法的主要思想。
此算法继承ｒＢＭ算法中的逆序比较的思想。所孵逆序比较，即如果当前正在比较模式ｐａｔ（＝ｐ州Ｐ—Ｐ。）和字符文本ｔｅｘｔ中的ｔ．．．ｂ一一ｔ…。则不采用一般从左往右比较的方法，而是从右向左比较，先判断ｔ，。。是否等于ｐｍ，若相等卿继续比较‰．．和卧。如此循环，直到比较到Ｐ，等于‘¨，则报告发现一个匹配；若中问比较到Ｒ（见图Ｉ或图２，对应于ｐａｔ中阴影ａ字符）和‘＋．（对应于ｔｅｘｔ中阴影ｂ字符）发现不等ｔｌ≤ｌ≤ｍ），此时｛ｔｉ．ｉ＿。…ｔ．ｍ。｝已经比较完毕且等于｛Ｂｒ??ｎ，０（对应于阴影ｕ，其中ｅ是ｉ１的最后一个字符），则在Ｐ．…ｐｎ卜．中看是否存在ｃ字符，如不存在（第１种情况见图１）则模式ｐａｔ直接向右移ｍ位，否则如发现Ａ（等于ｃ）等于ｔｍ（Ｉ≤ｋ≤ｍ—Ｉ。第２种情况见图２）则将ｐａｔ向右移ｍ—ｋ位；继续从右往左比较…
ｍｔＥ二＝］【ｊ二亡二二二二］叫［卫匠ｊ］——７
ｐ｜ｔ［堕塑二＝卫
ｌｉｅｎＰｌ＂＂Ｐ。巾不存在ｃ字耱
基盘疆目：国家自然科学基金重大研究计划资助项目（９０２０４０１Ｉ）；
软件工程国家重点实验室第４批开放摹金赉助项日
柞者蕾介；钱立进订０１８一），男，硕士生，研究方向：数据仓库
逻辑程序设计；吴泽俊，硕士生；萤红斌，副教授、博士
收■Ｈ期：２００２ｒ１２－１８Ｅ－ｍａｉｌ：ｗｈｕａｏｉｎ＠ｓｉｎａｔｏｍ
基于Horspool算法的模糊匹配
作者：钱立进， 吴泽俊， 董红斌
作者单位：武汉大学软件工程国家重点实验室/计算机学院,武汉,430072
刊名：
计算机工程
英文刊名：COMPUTER ENGINEERING
年，卷(期)：2004,30(1)
被引用次数：1次
参考文献(6条)
1.Ricardo A.Yates B.Gonnet G H A New Approach to Text Searching[外文期刊] 1992(10)
2.Hyyro H.Navarro G Faster Bit-parallel Approximate String Matching[外文会议] 2002
3.Czumaj A.Crochemore M.Gasieniec L Speeding up Two String -matching Algorithms[外文期刊] 1994
4.Boyer R.Moore S A Fast String Searching Algorithm 1977
5.Horspool N Practical Fast Searching in Strings 1980
6.Yates R B.Navarro G A Hybrid Indexing Method for Approximate String Matching 2001
本文读者也读过(9条)
1.王强入侵检测系统中误用检测技术的研究[学位论文]2006
2.陈有君.蒙美莲.陈炀.CHEN You-jun.MENG Mei-lian.CHEN Yang分段位序比对法揭示两个序列之间关系[期刊论文]-内蒙古农业大学学报（自然科学版）2010,31(1)
3.陈中元.Chen Zhongyuan IE上用"Quick Search"免费快查USP和电脑翻译的方法[期刊论文]-计算机与应用化学2007,24(7)
4.姚全珠.丁晓剑.任雪利.张志锋.YAO Quan-zhu.DING Xiao-jian.REN Xue-li.ZHANG Zhi-feng BWT-Boyer-Moore压缩域搜索算法的研究[期刊论文]-计算机应用研究2006,23(7)
5.鲍峥嵘.王永成.刘功申.韩客松一种快速的字串交叉模式匹配算法[期刊论文]-上海交通大学学报2003,37(3)
6.杨薇薇.廖翔.YANG Wei-wei.LIAO Xiang一种改进的BM模式匹配算法[期刊论文]-计算机应用2006,26(2)
7.潘景昌.夏蔚然.宗文婷.吕润川按音标查询的英汉电子词典的设计与实现[期刊论文]-电子技术应用2005,31(1)
8.牛丹云.朱清新.Niu Danyun.Zhu Qingxin基于模式驱动和模糊查询的模式发现方法[期刊论文]-计算机研究与发展2009,46(z2)
9.廖一兰.王劲峰.马家奇.戚晓鹏.LIAO Yi-lan.WANG Jin-feng.MA Jia-qi.QI Xiao-peng基于BPM-BM算法的地名数据匹配[期刊论文]-测绘通报2008(6)
引证文献(1条)
1.张娜内容过滤防火墙的设计与实现[学位论文]硕士 2006
本文链接：https://www.360docs.net/doc/5518955057.html,/Periodical_jsjgc200401023.aspx