Question

首先我对算法知之甚少，所以请耐心等待。

据我所知，Boyer Moore算法使用长键最快。那么如果我有一个非常简短的键（例如10个字符），以及很多要搜索的文本（超过10,000个字符），那该怎么办呢？ Boyer Moore会成为这种情况下最好的搜索算法吗？

如果不是那样的话？

Answer 1

根据String searching algorithm，“Boyer-Moore字符串搜索算法已成为实用字符串搜索文献的标准基准。”它并不总是最快的，但总的来说它是要走的路。

当你谈论一个像10,000个字符的小文本缓冲区时，Knuth-Morris-Pratt和Boyer-Moore的运行时间非常接近。在现代计算机上运行时，甚至在10K缓冲区上进行简单的字符串搜索也会非常快。我怀疑你会发现KMP和Boyer-Moore在10,000字符缓冲区中搜索10个字符的字符串之间的区别将是纳秒级。

此方案中的最佳搜索算法？这取决于你需要多久调用一次。如果它被称为每秒几次调用（最多），我可能会写一个天真的搜索并留在那里。与程序的运行时间相比，Boyer-Moore和那个小缓冲区上的天真搜索之间的区别是微不足道的，并且您的优化工作将更好地用于其他地方。如果我不得不每秒拨打数百或数千次，我会花时间编写一个优化的Boyer-Moore搜索。

Answer 2

要回答您的问题，您只需访问一个链接：http://www.codeproject.com/Articles/250566/Fastest-strstr-like-function-in-C

事实上，最快的文本搜索者的主页是这样的： http://www.sanmayce.com/Railgun/index.html

＆gt;那么如果我有一个非常简短的键（例如10个字符），并且有很多要搜索的文本（超过10,000个字符），那该怎么办呢。 正是这个关键范围（10-11个字符）在我的沉重（1TB）strstr摊牌中进行了测试。在300,000个单词中逐字搜索了400,000个单词，这对于strstr函数来说是一个很好的负载！

＆gt; Boyer Moore会成为此场景的最佳搜索算法吗？ 根据我的测试，最快的文本搜索器（使用Microsoft V16 / Ox）是 Railgun_Quadruplet_7Gulliver ，但是当使用/ Ox和Intel 12.1时它是第二好的，你可以自己测试，见下文。

如果你有一台快速机器，比如i7 37 *，我希望看到我最新的控制台基准测试包的结果（测试Microsoft v16与Intel 12.1编译器）：
http://www.sanmayce.com/Downloads/_KAZE_Benchmark_2013.zip

在我的T7500 2200Mhz笔记本上进行测试：

E:\_KAZE_Benchmark_2013>RUNME.bat

E:\_KAZE_Benchmark_2013>SKYFALL_TXT2HTML_MicrosoftV16.exe MIX_Tesla_BABAJI_Castaneda_Poirot_Holmes_Sunnah_Hadith_Quran_Bible_Patanjali_Dao_Simplici
ssimus.wrd.txt MASAKARI_General-Purpose_Grade_English_Wordlist_r3_316423_words.wrd /Gulliver
SKYFALL_TXT2HTML, revision 2, written by Kaze.
Size of 1st input file: 8916987
Size of 2nd input file: 3869529

Doing Search for each word with Railgun_Quadruplet_7Gulliver ...
Railgun_Quadruplet_7Gulliver performance: 1944+KB/clock
Average Pattern Length: 11
Function Invocations: 420,640
Function Inner-Loop Iterations: 131,873,881,926
Function Really Traversed: 1,142,740,439KB

E:\_KAZE_Benchmark_2013>SKYFALL_TXT2HTML_MicrosoftV16.exe MIX_Tesla_BABAJI_Castaneda_Poirot_Holmes_Sunnah_Hadith_Quran_Bible_Patanjali_Dao_Simplici
ssimus.wrd.txt MASAKARI_General-Purpose_Grade_English_Wordlist_r3_316423_words.wrd
SKYFALL_TXT2HTML, revision 2, written by Kaze.
Size of 1st input file: 8916987
Size of 2nd input file: 3869529

Doing Search for each word with Railgun_Quadruplet_7 ...
Railgun_Quadruplet_7 performance: 1747+KB/clock
Average Pattern Length: 11
Function Invocations: 420,640
Function Inner-Loop Iterations: 146,826,792,351
Function Really Traversed: 1,142,740,439KB

E:\_KAZE_Benchmark_2013>SKYFALL_TXT2HTML_MicrosoftV16.exe MIX_Tesla_BABAJI_Castaneda_Poirot_Holmes_Sunnah_Hadith_Quran_Bible_Patanjali_Dao_Simplici
ssimus.wrd.txt MASAKARI_General-Purpose_Grade_English_Wordlist_r3_316423_words.wrd /Hasherezade
SKYFALL_TXT2HTML, revision 2, written by Kaze.
Size of 1st input file: 8916987
Size of 2nd input file: 3869529

Doing Search for each word with Railgun_Hasherezade ...
Railgun_Hasherezade performance: 1774+KB/clock
Average Pattern Length: 11
Function Invocations: 420,640
Function Inner-Loop Iterations: 128,900,655,391
Function Really Traversed: 1,142,740,439KB

当使用32位和64位代码时，微软和微软之间的利润率仍有很大的提升幅度。英特尔。

Gulliver 的“引擎”是由我调整的2 BM-Horspool 。

正如你在我不起眼的笔记本电脑上看到的那样 Gulliver 在 1898MB / s 下搜索模式（平均模式长度：11），即使是超级漂亮的 BNDM < / strong>在这里弯曲膝盖。

Boyer Moore搜索小钥匙

2 个答案: