可以将 Boyer-Moore 算法更改为仅搜索“完整单词”吗？答案

【问题标题】：Can the Boyer-Moore algorithm be altered to search for "full words" only?可以将 Boyer-Moore 算法更改为仅搜索“完整单词”吗？
【发布时间】：2012-11-17 03:02:47
【问题描述】：

我编写了一个 Java 函数，它实现了 Boyer-Moore 算法来搜索 char 数组中的给定子字符串。它返回在数组中找到子字符串的每个索引的列表。例如，如果正在搜索的 char 数组包含短语“行尸走肉”并且作为参数给出的子字符串是“king”，则将返回包含值 7 的大小为 1 的列表。

我想更改此函数，以便仅返回 char 数组中完整单词的子字符串的索引。因此，前面的示例将返回一个空列表，但如果子字符串更改为“The”、“Walking”或“Dead”，则大小为 1 的列表将分别返回值 0、4 和 12。

这种功能是否可以使用 Boyer-Moore 算法来实现？是否有任何其他字符串搜索算法能够有效地产生这些结果？

【问题讨论】：

如果您使用当前算法在" " + "The Walking Dead" + " " 中搜索" The "，您已经进行了完整的单词搜索。

标签： java string search words boyer-moore

【解决方案1】：

这可能不是您想要的答案，但您可以更改参数而不是算法：在搜索字符串的开头和结尾以及目标字符串的开头和结尾添加空格（如果第一个或最后一个词是命中）。您还需要对标点符号和其他非单词字符进行特殊处理。

【讨论】：

【解决方案2】：

是的，您可以调整 Boyer-Moore 来做到这一点：

在每次“匹配”之后，您可以检查匹配的开始和结束位置是否在单词边界处。
您将搜索从 "king" 更改为 'word-boundary + "king" + word-boundary' 其中 'word-boundary' 是一个伪字符，您修改后的 BM 与任何单词边界字符匹配.
您可以预处理输入以将所有空格、标点符号等替换为表示“单词边界”的特殊字符，然后进行搜索。

其中哪一个可能更好取决于您如何实现它们......以及您是否要重复搜索相同的输入文本。

【讨论】：

【解决方案3】：

只需使用 Java 的 Pattern - 它已经在内部实现了 Boyer Moore。然后 '\b' 匹配一个单词边界。如：

    Pattern pattern = Pattern.compile("\\b" + Pattern.quote(needle) + "\\b");
    Matcher m = pattern.matcher(haystack);
    while (m.find()) {
        System.out.println(m.start());
    }

【讨论】：