python通过BF算法实现关键词匹配详解编程语言

python通过BF算法实现关键词匹配

#!/usr/bin/python 
# -*- coding: UTF-8 
# filename BF 
import time 
""" 
t="this is a big apple,this is a big apple,this is a big apple,this is a big apple." 
p="apple" 
""" 
t="为什么叫向量空间模型呢？其实我们可以把每个词给看成一个维度，而词的频率看成其值（有向），即向量，这样每篇文章的词及其频率就构成了一个i维空间图，两个文档的相似度就是两个空间图的接近度。假设文章只有两维的话，那么空间图就可以画在一个平面直角坐标系当中，读者可以假想两篇只有两个词的文章画图进行理解。" 
p="读者" 
i=0 
count=0 
start=time.time() 
while (i <=len(t)-len(p)): 
    j=0 
    while (t[i]==p[j]): 
                i=i+1 
                j=j+1 
        if j==len(p): 
            break          
        elif (j==len(p)-1): 
            count=count+1 
    else: 
        i=i+1 
        j=0 
print count 
print time.time()-start 
 

算法思想：目标串t与模式串p逐词比较，若对应位匹配，则进行下一位比较；若不相同，p右移1位，从p的第1位重新开始比较。

算法特点：整体移动方向：可认为在固定的情况下，p从左向右滑动；匹配比较时，从p的最左边位开始向右逐位与t串中对应位比较。p的滑动距离为1，这导致BF算法匹配效率低（相比其他算法，如：BM，KMP，滑动没有跳跃）。

该算法的时间复杂度为O（len(t)*len(p))，空间复杂度为O(len(t)+len(p))