如何在 &[u8] 切片中找到子序列？答案

【问题标题】：How can I find a subsequence in a &[u8] slice?如何在 &[u8] 切片中找到子序列？
【发布时间】：2016-03-09 20:06:21
【问题描述】：

我在二进制缓冲区上有一个&[u8] 切片。我需要解析它，但我想使用的很多方法（例如str::find）似乎在切片上不可用。

我已经看到我可以通过使用 from_utf8_unchecked() 将缓冲区切片和我的模式转换为 str 但这似乎有点危险（而且也很hacky）。

如何在这个切片中找到一个子序列？我实际上需要模式的索引，而不仅仅是零件的切片视图，所以我认为split 不会起作用。

【问题讨论】：

有兴趣将Pattern 的概念扩展到任意切片：comment、RFC。

标签： rust

【解决方案1】：

这是一个基于windows 迭代器的简单实现。

fn find_subsequence(haystack: &[u8], needle: &[u8]) -> Option<usize> {
    haystack.windows(needle.len()).position(|window| window == needle)
}

fn main() {
    assert_eq!(find_subsequence(b"qwertyuiop", b"tyu"), Some(4));
    assert_eq!(find_subsequence(b"qwertyuiop", b"asd"), None);
}

find_subsequence 函数也可以设为泛型：

fn find_subsequence<T>(haystack: &[T], needle: &[T]) -> Option<usize>
    where for<'a> &'a [T]: PartialEq
{
    haystack.windows(needle.len()).position(|window| window == needle)
}

【讨论】：

非常好。我想我基本上是用两个嵌套的 for 循环手动完成的。我正在寻找的子数组都非常小，所以像 KMP 这样更复杂的东西对我的问题毫无用处。
虽然这是一个简短而好的解决方案，但请注意该算法在 O(|haystack| * |needle|) 中运行。在大多数情况下这无关紧要，但对于更高级和（渐近）更快的算法，请参阅String searching algorithm (Wikipedia)。
这最终会慢得令人无法接受。 windows().position() 比两个嵌套循环慢 100 倍。
@JasonN 100x 听起来很极端。您确定要使用优化进行编译吗？
@JasonN 你是如何处理两个嵌套循环的？这个解决方案应该编译成与一个循环相同的东西。

【解决方案2】：

我发现memmem crate 对这项任务很有用：

use memmem::{Searcher, TwoWaySearcher};

let search = TwoWaySearcher::new("dog".as_bytes());
assert_eq!(
    search.search_in("The quick brown fox jumped over the lazy dog.".as_bytes()),
    Some(41)
);

【讨论】：

【解决方案3】：

我认为标准库不包含此功能。一些 libcs 有 memmem，但目前 libc 板条箱没有包装它。但是，您可以使用twoway crate。 rust-bio 也实现了一些模式匹配算法。所有这些都应该比使用haystack.windows(..).position(..)更快

【讨论】：

【解决方案4】：

Regex on bytes 怎么样？这看起来非常强大。请参阅此Rust playground demo。

extern crate regex;

use regex::bytes::Regex;

fn main() {
    //see https://doc.rust-lang.org/regex/regex/bytes/

    let re = Regex::new(r"say [^,]*").unwrap();

    let text = b"say foo, say bar, say baz";

    // Extract all of the strings without the null terminator from each match.
    // The unwrap is OK here since a match requires the `cstr` capture to match.
    let cstrs: Vec<usize> =
        re.captures_iter(text)
          .map(|c| c.get(0).unwrap().start())
          .collect();

    assert_eq!(cstrs, vec![0, 9, 18]);
}

【讨论】：