[发明专利]一种按字长匹配的多模式串匹配方法

摘要

本发明公开了一种按字长匹配的多模式匹配方法，包括预编译过程和搜索过程，预编译过程构造3个表：跳转表即SHIFT表、哈希表即HASH表和前缀表即PREFIX表；特征是在搜索过程中按字长读取文本，每次从文本中装载一个整型值，每次读入和处理的单位变为一个机器字，这样就平滑了在最短模式串长度过小时跳跃距离过小的劣势，同时整型值中包含的三个字符块的哈希值可以通过对该整型值的移位获得，不需要进行逐个取值和做或运算，从而加快了哈希值的计算速度；每次读取一个机器字也使访存次数有效减少，提高了访存效率。采用本发明方法可使多模式串的匹配达到比较高的效率。

主权项

1.一种按字长匹配的多模式串匹配方法，包括预编译过程和搜索过程，在字长为32位的计算机上进行如下操作：所述预编译过程为构造3个表：一个跳转表即SHIFT表，一个哈希表即HASH表，一个前缀表即PREFIX表；设B为字符块的长度，m为最短模式串的长度，X为当前需要计算哈希值的字符块；字符块哈希值的计算公式为：hash(X)＝(X[0]*256^B-1)+(X[1]*256^B-2)+...+(X[B-1]*256⁰)；首先建立SHIFT表：先建立一个空表，表项值都初始化为最大跳转距离m-B+1，在模式集中取每个模式串前m个字符，从后往前每次取相邻B个字符组成字符块，按上面给出的字符块哈希值的计算公式计算该字符块的哈希值，按字符块跳转值的计算公式修改表中索引值为该字符块哈希值的表项值，即形成SHIFT表；然后建立HASH表：先建立一个空表，表项值都初始化为空，在模式集中取每个模式串前m个字符的后B个字符组成字符块，按字符块哈希值的计算公式计算该字符块的哈希值，把哈希值相等的模式串用链表链接起来，存储在表中对应索引值为该哈希值的表项中，即形成HASH表；再建立PREFIX表：先建立一个空表，表项值初始化为空，取模式集中每个模式串前B个字符，把哈希值相等的模式串用链表链接起来，存储在表中对应索引值为该哈希值的表项中，即形成PREFIX表；其特征在于：将所述需要计算哈希值的字符块的长度B取2，在搜索过程中，每次按字长读取文本，即每次从文本中装载一个整型值，字符块的哈希值通过对该整型值的移位得到；具体操作如下：设当前读取机器字的内容是对应文本中的字符“abcd”，该机器字对应三个字符块：前面字符块“ab”、中间字符块“bc”和后面字符块“cd”，机器字对应整型值为变量var，整个搜索过程分为四个阶段，用计算机语言描述如下：第一阶段：由计算前面字符块哈希值的公式hash(″ab″)＝(var<<16)>>16得到前面字符块的哈希值V1，查SHIFT表得到表中索引值为前面字符块的哈希值V1的表项值：switch(SHIFT[V1]){case 0：查找HASH表中索引值为前面字符块的哈希值V1的表项值，即为符合的模式串链表，对链表中每一个模式串，首先查找PREFIX表中索引值为V1的表项值，验证前缀是否匹配，最后再进行模式串其余部分的验证，之后进入第二阶段；case 1：直接进入第二阶段；case 2，3，4：直接进入第三阶段；default：若文本结束，则整个搜索过程结束；若文本没有结束，进入下一个机器字长的读取，重新进入第一阶段；}；第二阶段：由计算中间字符块哈希值的公式hash(″bc″)＝(var<<8)>>16得到中间字符块的哈希值V2，查SHIFT表：switch(SHIFT[V2]){case 0：查找HASH表中索引值为中间字符块的哈希值V2的表项值，即为符合的模式串链表，对链表中每一个模式串，首先查找PREFIX表中索引值为V2的表项值，验证前缀是否匹配，最后再进行模式串其余部分的验证，之后进入第三阶段；case 1，2：直接进入第三阶段；default：若文本结束，则整个搜索过程结束；若文本没有结束，进入下一个机器字长的读取，重新进入第一阶段；}；第三阶段：由计算后面字符块哈希值的公式hash(″cd″)＝var>>16得到后面字符块的哈希值V3，查SHIFT表：switch(SHIFT[V3]){case 0：查找HASH表中索引值为后面字符块的哈希值V3的表项值，即为符合的模式串链表，对链表中每一个模式串，首先查找PREFIX表中索引值为V3的表项值，验证前缀是否匹配，最后再进行模式串其余部分的验证，之后进入第四阶段；case 1：直接进入第一阶段；default：若文本结束，则整个搜索过程结束；若文本没有结束，进入下一个机器字长的读取，重新进入第一阶段；}；第四阶段：取下一个字长中与该字长中相邻的字符，由计算哈希值的公式计算得到相邻字长字符块的哈希值V4，查SHIFT表：switch(SHIFT[V4]){case 0：查找HASH表中索引值为字长字符块的哈希值V4的表项值，即为符合的模式串链表，对链表中每一个模式串，首先查找PREFIX表中索引值为V4的表项值，验证前缀是否匹配，最后再进行模式串其余部分的验证，之后进入第四阶段；default：若文本结束，则整个搜索过程结束；若文本没有结束，进入下一个机器字长的读取，重新进入第一阶段；}。