在C#中搜索字节数组中的最长模式

Question

我需要编写有效且快速的方法来搜索给定模式的字节数组.我这样写,你怎么想,怎么改进？它有一个bug,它不能返回长度为1的匹配.

public static bool SearchByteByByte(byte[] bytes, byte[] pattern)
    {
        bool found = false;
        int matchedBytes = 0;
        for (int i = 0; i < bytes.Length; i++)
        {
            if (pattern[0] == bytes[i] && bytes.Length - i >= pattern.Length)
            {
                for (int j = 1; j < pattern.Length; j++)
                {
                    if (bytes[i + j] == pattern[j])
                    {
                        matchedBytes++;
                        if (matchedBytes == pattern.Length - 1)
                        {
                            return true;
                        }
                        continue;
                    }
                    else
                    {
                        matchedBytes = 0;
                        break;
                    }
                }
            }
        }
        return found;
    }

有什么建议 ？

Answer 1

在grep中使用的Boyer-Moore算法非常有效,并且对于更长的模式大小更有效.我很确定你可以在没有太多困难的情况下使它适用于字节数组,并且它的维基百科页面有一个Java实现,应该很容易移植到C#.

更新:

这是C#中字节数组的Boyer-Moore算法的简化版本的实现.它只使用完整算法的第二个跳转表.根据您所说的数组大小(haystack:2000000字节,指针:10字节),它比简单的逐字节算法快5-8倍.

    static int SimpleBoyerMooreSearch(byte[] haystack, byte[] needle)
    {
        int[] lookup = new int[256];
        for (int i = 0; i < lookup.Length; i++) { lookup[i] = needle.Length; }

        for (int i = 0; i < needle.Length; i++)
        {
            lookup[needle[i]] = needle.Length - i - 1;
        }

        int index = needle.Length - 1;
        var lastByte = needle.Last();
        while (index < haystack.Length)
        {
            var checkByte = haystack[index];
            if (haystack[index] == lastByte)
            {
                bool found = true;
                for (int j = needle.Length - 2; j >= 0; j--)
                {
                    if (haystack[index - needle.Length + j + 1] != needle[j])
                    {
                        found = false;
                        break;
                    }
                }

                if (found)
                    return index - needle.Length + 1;
                else
                    index++;
            }
            else
            {
                index += lookup[checkByte];
            }
        }
        return -1;
    }