字符串匹配问题

Question

  

    

编辑2：我设法找到带有后缀树Tree::Suffix perl包的解决方案。感谢MarcoS提出的trie想法。我从中发现，也可以使用后缀树。 Tree::Trie perl包被实现为哈希哈希，我想这就是它变慢的原因。我试了一下，然后回到Tree::Suffix。感谢所有其他人对不同算法的链接。我已经在尝试为我自己提到的每个算法编写代码作为学习过程

         

编辑1：我将标题从perl string-match problem更改为string-match problem。

  

假设我有两个字符串，比如说，
S1 = ACGAGGATAGTATGCCACACAATGAGTACCCGTAC
S2 = CAGTATTGCACGTTGTAAAGTTACCCAGGTACGATGACAGTGCGTGAGCATACGAGGATAGTATGCCA

我最初想在S2中检查字符串S1的出现（没有或1不匹配）。我已经为此编写了perl代码。

现在，我想开发它

  

1）在S2中搜索S1的k-不匹配   2）在S2中搜索S1的出现prefix（是，前缀，而不是后缀）。如果你看一下这个例子，字符串：ACGAGGATAGTATGCCA出现在S2的结尾，这是S1的开头   3）如果可能，搜索带有k-mismatches的前缀。

问题是，我有大约1亿个这样的S2字符串。然而，S1保持相同并且对于给定问题具有定义的恒定长度。文献中是否有一种有效的算法可用于我的这个问题？

S1在50到80个字符之间变化。另外，我最初对解决problem 2感兴趣。

非常感谢。

Answer 1

您可以为您的目的修改Aho-Corasick algorithm。

Answer 2

对于近似匹配，请查看agrep中使用的http://en.wikipedia.org/wiki/Bitap_algorithm。