C# Boyer-Moore Algorithm with needle 可以包含 null 值作为通配符

Question

我试图在 C# 中实现 Boyer-Moore 算法，能够使用 null 作为针（模式）中的通配符。

class BoyerMoore
{
    private readonly int[] _badChar;
    private readonly byte?[] _needle;

    public BoyerMoore(byte?[] needle)
    {
        _needle = needle;
        _badChar = new int[256];

        // Pre-processing for bad character heuristic
        for (int i = 0; i < _badChar.Length; i++)
        {
            _badChar[i] = -1;
        }
        for (int i = 0; i < needle.Length; i++)
        {
            if (needle[i] != null)
                _badChar[needle[i].Value] = i;
        }
    }

    public List<int> Search(byte[] haystack)
    {
        List<int> occurrences = new List<int>();
        int i = 0;
        while (i <= haystack.Length - _needle.Length)
        {
            int j;

            for (j = _needle.Length - 1; j >= 0; j--)
            {
                if (_needle[j] == null) continue;
                if (_needle[j] != haystack[i + j]) break;
            }

            if (j < 0)
            {
                occurrences.Add(i);
                i++;
            }
            else
            {
                i += Math.Max(1, j - _badChar[haystack[i + j]]);
            }
        }
        return occurrences;
    }
}

当针不包含 null 时，我的代码可以正常工作，但当针包含 null（例如0xAA, 0xBB, null, 0xCC时，它无法正常工作。 （缺少一些结果。）

我是否忽略了某些东西，或者是否无法使用 null 通配符实施 Boyer-Moore Bad Character 启发式算法？

我在谷歌上搜索过，但我没有看到任何示例、教程或解释使用 null 值作为通配符的内容，所以我问了。

Answer 1

Boyer-Moore 不良字符规则不适用于通配符。 基本上，在操作该规则时，您必须丢弃最右边通配符左侧的所有内容。

考虑_badChar数组为您提供偏移量以快速移动搜索 position，其中您在当前干草堆 position 中看到的字符不在针中。 如果你的 needle 中有一个通配符，那么它可以匹配任何字符，现在你通过将它们的 position 设置为 -1 来表示这些字符与 needle 中的任何内容都不匹配。

因此，与其将针中未明确存在的每个值的_badChar中的条目设置为 -1，不如将条目设置为针中的最后一个通配符 position。

但是您还必须将针中的每个其他字符设置为position，使其不比该点更靠左，因为它也可以匹配它们。

您可以在设置中执行此操作：

for (int i = 0 ; i < needle.Length; i++)
    if (needle[i] != null)
        _badChar[needle[i].Value] = i;
    else
        _lastNull = i;
for (int i = 0; i < _badChar.Length; i++)
    if (_badChar[i] < _lastNull)
        _badChar[i] = _lastNull;

但是现在您实际上只在针的最右边部分运行 Boyer-Moore，并且每次 Boyer-Moore 算法为您提供匹配时，都会对针的 rest 进行线性匹配。