今天繼續看Python源代碼中的PyStringObject結構，發現了它的一個子字符串的查找算法很有趣，研究了一把，這個算法在這裏叫做fastsearch。真的不錯，它在進行字符跳的時候，是m長度的跳，而不是一個個的跳。其實，算法還是很簡單的，仔細分析一下就可以得出了。在分析算法的同時，我發現這個算法一點小小的瑕疵，現在敘述如下：
|
#define FAST_COUNT 0
#define FAST_SEARCH 1
Py_LOCAL_INLINE(Py_ssize_t)
fastsearch(const STRINGLIB_CHAR* s, Py_ssize_t n,
const STRINGLIB_CHAR* p, Py_ssize_t m,
int mode)
{
long mask;
Py_ssize_t skip, count = 0;
Py_ssize_t i, j, mlast, w;
w = n - m;
if (w < 0)
return -1;
/* look for special cases */
if (m <= 1) {
if (m <= 0)
return -1;
/* use special case for 1-character strings */
if (mode == FAST_COUNT) {
for (i = 0; i < n; i++)
if (s[i] == p[0])
count++;
return count;
} else {
for (i = 0; i < n; i++)
if (s[i] == p[0])
return i;
}
return -1;
}
mlast = m - 1;
/* create compressed boyer-moore delta 1 table */
//skip = mlast - 1; //???
skip = mlast; //Modified by deng_zf
/* process pattern[:-1] */
for (mask = i = 0; i < mlast; i++) {
mask |= (1 << (p[i] & 0x1F));
if (p[i] == p[mlast])
skip = mlast - i - 1;
}
/* process pattern[-1] outside the loop */
mask |= (1 << (p[mlast] & 0x1F));
for (i = 0; i <= w; i++) {
/* note: using mlast in the skip path slows things down on x86 */
if (s[i+m-1] == p[m-1]) {
/* candidate match */
for (j = 0; j < mlast; j++)
if (s[i+j] != p[j])
break;
if (j == mlast) {
/* got a match! */
if (mode != FAST_COUNT)
return i;
count++;
i = i + mlast;
continue;
}
/* miss: check if next character is part of pattern */
if (!(mask & (1 << (s[i+m] & 0x1F))))
i = i + m;
else
i = i + skip;
} else {
/* skip: check if next character is part of pattern */
if (!(mask & (1 << (s[i+m] & 0x1F))))
i = i + m;
}
}
if (mode != FAST_COUNT)
return -1;
return count;
}
|
有問題的和我修改後的語句我使用紅色表示。我的解釋如下：
假設：
原字符串爲s，長度爲n，例如s = “abdefg”，n = 6
子字符串爲p，長度爲m，例如p = “bcd”, m = 3
通過計算可知：
mlast = m – 1 = 2
skip = mlast – 1 = 1
好，現在讓程序運行。程序在進入for (i = 0; i <= w; i++){}這個循環的第一遍中，會運行到後面的語句i = i + skip。此時的i = 0, skip = 1，所以運行完成這條語句之後，i的值變成了1。然後，程序進入第二次循環，這時通過i++，i的值變成了2。也就是取字符串s中的子字符串“def”與p進行比較，這顯然是不成立的，這次比較必定要浪費的。
爲什麼呢？
因爲s中的第二個字符’d’在第一次比較中做爲最後一個字符進行比較的，它和p中的最後一個字符相同。而因爲p的最後一個字符與前面的所有字符不同，所以在進行第二次比較中做爲首字符的’d’肯定也不會和p中的第一個字符相同的，所以這次比較肯定要失敗的。
造成這種情況就是因爲skip在進行初始化的時候有問題，應該是skip = mlast，而不是skip = mlast – 1。