多模式匹配
2012年3月25日 小桥流水 74次阅读 发表评论 阅读评论
最近工作上要用到多模式匹配的算法，所以就搜索一些资料，写篇博客分享一下。今天开始用word来写博客了，也试试效果。
之前在百度实习的时候，也用到过多模式匹配，但是别的部门提供的一个公共库dictmatch。我搜了看到百度互联网技术官方博客上面还有几篇介绍dictmatch的几篇博客，链接如下：
【百度分享】dictmatch及多模算法串讲 -- 简介
【百度分享】dictmatch及多模算法串讲 -- dictmatch基本数据结构及算法
dictmatch及多模算法串讲（一）
dictmatch及多模算法串讲（二）
但是这个对于我来说，略显有点复杂了，我也不想去搞一个这么大的工程。我找了一圈，我们的公共库里面也没有提供这样的算法。另外，我依稀记得这个东西因为是用树的结构来存的，还是比较费内存的。我记得，我当时将这个东西改成hash_map这样的东东来实现的，而且效率也完全可以达到要求的。
记得当时是把模式串（要查找的串）放到hashmap中，然后把被查询串切词，切完词后进行相邻组合然后到hash_map中查询是否存在，对于比较短的被查询串来说这个方法还是比较快的，但是对于长的查询串来说可能就不行了，复杂度是O(n^2)，其中n为被查询串切词后的长度。
目前我的做法是对于任意一个模式串，用字符串查找算法来判定是否包含该模式串，复杂度为O(m+n)*k（m表示模式串的长度，n为查询串的长度，k为模式串的数量），这种复杂度已经不能满足我的需求了。
我去网上找了找，多模式匹配算法大概有以下几种：
clip_image002
当然最近几年也会有一些改进的算法。网上找了以下最好一种算法的源码，感觉挺复杂的，要学习这个方法也很费劲。找到了一个比较好的实现，代码如下：
?View Code CPP
越看这个代码越觉得复杂。这说明直接上来就代码还是比较困难的，应该先了解清楚了算法，然后才能去看代码或者说是自己来实现代码。
后来我就觉得这样来搞不是很靠谱，自己写一个这样的算法还是比较困难的，所以就想在网络上找个更好的代码，先凑合着用。
网上翻了几个帖子之后，我发现其实我可以用正则表达式来实现我的这个功能，正则表达式中的|（或）直接就可以满足我的需求。就是将所有的模式串或起来，然后搞成一个正则表达式，然后直接用这个正则表达式进行搜索就Ok了，正好能满足我的需求，明天去公司了就准备这么干了。
下载为PDF