[发明专利]一种基于编码关联的多模式匹配算法及系统

摘要

本发明公开了一种基于编码关联的多模式匹配算法及系统。所述系统包括关键字组输入模块，用于获取匹配关键字集合；Goto函数生成模块，用于生成辅助结构Goto函数；FailedJump函数生成模块，用于生成辅助结构FailedJump函数；匹配执行模块，用于读取搜索对象并对其进行多关键字匹配。本算法的特色在于通过字符拆分，优化了Wang算法在Unicode编码、中文语义环境下的空间存储结构；通过利用编码关联，消除了Wang算法在编码转换后的错位匹配，并提升了Wang算法的最大跳转值，从而提升了当前编码环境下Wang算法的运行速度。本发明算法可广泛应用于对以Unicode为编码方式的关键信息扫描定位、各类电子文档中的关键字匹配检查等计算机产品中。

主权项

一种应用于电子文档中多模式匹配的方法，其特征在于，所述方法包括：根据预设的关键字分隔符，分割输入的多关键字组，得到分割后的子关键字集合；根据所得关键字组，进行字符的字节拆分，并反向生成状态转移函数Goto函数；根据所得关键字组，进行字符的字节拆分，并使用每个码值拆分后得到的低位字节，生成失效跳转函数FailedJump函数，具体为：依次将关键字集合中元素的各个字符码值进行拆分，生成拆码模式串；构造长度为当前编码范围大小的失效跳转表FailedTable，FailedTable表的初始值为当前关键字模式串组中模式串拆分前的最小模式串长度minLen的两倍再加二，即2minLen+2；依次计算各个拆码模式串的偶数位字符，即原来以Unicode编码的字符码值的低半位字符的对应跳转值，并用此跳转值重写FailedTable表中角标与当前拆码模式串的码值相等位置的跳转值，如FailedTable表同一位置值有多个对应的拆码模式串跳转值，则选取其中跳转值最小者，替换FailedTable表中对应位置的值。