实现后向不确定Dawg匹配算法

Question

我正在尝试在我的代码中实现BNDM算法，以便执行快速模式搜索。

我找到了一些代码online，并尝试针对自己的用例进行调整：

我认为在更改值时我做错了，因为该算法需要几分钟才能完成（我期望它更快）。

---

使用 std :: search 需要30秒（带通配符）。 这大约需要4-5分钟（不带通配符）。

我将所有内容强制转换为（无符号字符）的原因是因为程序崩溃，否则，因为我的数据和模式都包含十六进制值。

---

我想知道的是，此实现在哪里出错（为什么运行这么慢）？以及如何包含搜索包含通配符的模式的功能？

---

编辑* 通过将构建从调试切换到发布，已解决了速度问题。 另外，将B数组的大小更改为256可以使其更快。

我目前唯一的问题是如何使用此算法实现使用通配符的方法。

当前代码：

vector<unsigned int> get_matches(const vector<char> & data, const string & pattern) {
vector<unsigned int> matches;
//vector<char>::const_iterator walk = data.begin();

std::array<std::uint32_t, 256> B{ 0 };
int m = pattern.size();
int n = data.size();

int i, j, s, d, last;
//if (m > WORD_SIZE)
//  error("BNDM");

// Pre processing 
//memset(B, 0, ASIZE * sizeof(int));
s = 1;
for (i = m - 1; i >= 0; i--) {
    B[(unsigned char)pattern[i]] |= s;
    s <<= 1;
}

// Searching phase 
j = 0;
while (j <= n - m) {
    i = m - 1; last = m;
    d = ~0;
    while (i >= 0 && d != 0) {
        d &= B[(unsigned char)data[j + i]];
        i--;
        if (d != 0) {
            if (i >= 0)
                last = i + 1;
            else
                matches.emplace_back(j);
        }
        d <<= 1;
    }
    j += last;
}
return matches;
}

Answer 1

B不够大-它由模式中的字节索引，因此它必须具有256个元素（假设是8位字节体系结构。）但是您将其定义为具有pattern.size()元素，数量要少得多。

因此，您正在使用B分配之外的内存，这是未定义的行为。

我建议您使用std::array<std::uint32_t, 256>，因为您无需调整B的大小。 （甚至更好，std::array<std::uint32_t, std::numeric_limits<unsigned char>::max()+1>）。

---

我不是该特定搜索算法的专家，但是如果字符p匹配，则预处理步骤似乎设置为c的元素B中的位c模式元素p。由于通配符模式元素可以匹配任何字符，因此B的每个元素都应具有与通配符字符集相对应的位，这似乎是合理的。换句话说，不是将B的每个元素都初始化为0，而是将它们初始化为模式中通配符位置的掩码。

我不知道这是否足以使算法与通配符一起使用，但是值得一试。