概述
BF算法在某些极端情况下，性能会退化的比较严重。
RK 算法需要用到哈希算法，设计一个可以应对各种类型字符的哈希算法则并不简单。
BM算法
BM（Boyer-Moore）算法是一种非常高效的字符串匹配算法，性能约是著名的KMP 算法的 3 到 4 倍。
但是BM算法的实现原理也很复杂。
BM算法的思想
我们把模式串和主串的匹配过程，可以看作模式串在主串中不停地往后滑动。
当遇到不匹配的字符时，BF 算法和 RK 算法的做法是，模式串往后滑动一位，然后从模式串的第一个字符开始重新匹配。
但是，上图的例子，主串中的 “c” ，在模式串中是不存在的。模式串向后滑动的时候，只要 c 与模式串有重合，肯定无法匹配。
所以，我们可以一次性把模式串往后多滑动几位，把模式串移动到 c 的后面。
这样就将模式串向后多滑动了几位，这样一次性往后多滑动几位，匹配的效率其实就提高了。
在什么样的情况下，可以将模式串多滑动，多滑动几位？有什么样的规律吗？
BM算法本质上其实就是在寻找这种规律。
借助这种规律，在模式串与主串匹配的过程中，当模式串和主串某个字符不匹配的时候，能够跳过一些肯定不会匹配的情况。
将模式串往后多滑动几位，进而提高了效率
BM 算法核心思想：利用模式串本身的特点，在模式串中某个字符与主串不能匹配的时候，将模式串往后多滑动几位，以此来减少不必要的字符比较，提高匹配的效率。
BM算法原理
要了解BM算法，其实BM算法包含两个部分，分别是坏字符规则（bad character rule）和好后缀规则（good suffix shift）。
坏字符规则
BF和RK算法都是按模式串的下标从小到大的顺序，依次与主串中的字符进行匹配的。
而 BM 算法的匹配顺序比较特别，它是按照模式串下标从大到小的顺序，倒着匹配的。
我们从模式串的末尾往前倒着匹配，当我们发现某个字符没法匹配的时候，我们把这个没有匹配的字符叫作坏字符
坏字符指的是主串中的字符
拿坏字符 c 在模式串中查找，发现模式串中并不存在这个字符，也就是说，字符 c 与模式串中的任何字符都不可能匹配。
这个时候，我们可以将模式串直接往后滑动三位，将模式串滑动到 c 后面的位置，再从模式串的末尾字符开始比较。
此时模式串中的 “d”，还是无法跟主串中的 a 匹配，这种情况下还能简单的将模式串往后滑动三位吗？
是不行的，因为此时的坏字符 a 在模式串中是存在的，模式串中下标是 0 的位置也是字符 a。
这种情况下，我们可以将模式串往后滑动两位，让两个 a 上下对齐，然后再从模式串的末尾字符开始，重新匹配。
这两种情况分别是坏字符在模式串存在或不存在的情况。具体滑动多少，有没有什么规律呢？
当发生不匹配的时候，我们把坏字符对应的模式串中的字符下标记作 si
如果坏字符在模式串中存在，我们把这个坏字符在模式串中的下标记作 xi，如果不存在，我们把 xi 记作 -1。
那模式串往后移动的位数就等于 si-xi。
这里所说的下标是字符在模式串的下标。
除了这两种情况之外其实还有一种情况，就是坏字符在模式串中不仅存在，还有多个。
如果坏字符在模式串里多处出现，则我们在计算 xi 的时候，选择最靠后的那个。
因为这样不会让模式串滑动过多，导致本来可能匹配的情况被滑动略过。
好后缀规则
好后缀规则的思路和坏字符规则思路很类似。
当模式串滑动到图中的位置的时候，模式串和主串有 2 个字符是匹配的，倒数第 3 个字符发生了不匹配的情况。
可以通过坏字符规则来计算滑动的位置，也可以利用好后缀规则。
我们把已经匹配的 bc 叫作好后缀，记作{u}。
这里也分成两种情况来看。
我们拿它在模式串中查找，如果找到了另一个跟{u}相匹配的子串{u*}，我们就将模式串滑动到子串{u*}与主串中{u}对齐的位置。
如果在模式串中找不到另一个等于{u}的子串，我们就直接将模式串，滑动到主串中{u}的后面。
因为之前的任何一次往后滑动，都没有匹配主串中{u}的情况。
这个处理类似于坏字符规则的处理，这样滑动是否会有点太过头？
这里面 bc 是好后缀，尽管在模式串中没有另外一个相匹配的子串{u*}。
但是如果我们将模式串移动到好后缀的后面，那就会错过模式串和主串可以匹配的情况。
如果好后缀在模式串中不存在可匹配的子串，那在我们一步一步往后滑动模式串的过程中，只要主串中的{u}与模式串有重合，那肯定就无法完全匹配。
但是当模式串滑动到前缀与主串中{u}的后缀有部分重合的时候，并且重合的部分相等的时候，就有可能会存在完全匹配的情况。
之前的例子就是没有考虑到这种情况而过度滑动。
针对这种情况，我们不仅要看好后缀在模式串中，是否有另一个匹配的子串。
我们还要考察好后缀的后缀子串，是否存在跟模式串的前缀子串匹配的。
所谓某个字符串 s 的后缀子串，就是最后一个字符跟 s 对齐的子串，比如 abc 的后缀子串就包括 c, bc。
所谓前缀子串，就是起始字符跟 s 对齐的子串，比如 abc 的前缀子串有 a，ab。
我们从好后缀的后缀子串中，找一个最长的并且能跟模式串的前缀子串匹配的，假设是{v}
如何选择规则？
根据坏字符规则，计算得到的往后滑动的位数，有可能是负数。
PS：为什么会出现负数？
当遇到坏字符时，要计算往后移动的位数 si-xi，其中 xi 的计算是重点，我们如何求得 xi 呢？
或者说，如何查找坏字符在模式串中出现的位置呢？
如果在模式串中顺序遍历查找，这样会比较低效。
为了提高效率，可以使用散列表。
散列表记录不同字符在模式串中“最后出现的位置”。并不是 si 的位置往前查找的第一个位置。
就比如之前的这个图，利用坏字符规则的话，si = 4 ，而c在模式串最后出现的位置 xi = 6 ，坏字符规则 si - xi = -2
所以会出现 xi 大于 si 的情况，即计算出滑动的位数为负数
我们可以分别计算好后缀和坏字符往后滑动的位数，然后取两个数中最大的，作为模式串往后滑动的位数。
这样也可以避免掉坏字符规则计算出滑动位数有可能是负数的情况。
关于BM算法的吐槽
BM算法的原理相比于BM和RK来讲要复杂很多很多，但是通过学习也是可以理解的，但是具体的代码实现就非常不容易了
关于BM算法学习的话还是着重于思想和原理，有位老哥总结的非常好
我特此引用一下，作为我学习BM算法的点
1、要有优化意识，BF，RK 算法已经能够满足我们需求了，为什么发明 BM 算法？是为了减少时间复杂度，但是带来的弊端是，优化代码变得复杂，维护成本变高。
2、需要查找，需要减少时间复杂度，应该想到什么？散列表。
3、如果某个表达式计算开销比较大，又需要频繁的使用怎么办？预处理，并缓存。
BM算法的性能很高，正所谓为了性能，就需要更复杂的算法，但是越复杂的算法，代码实现肯定就越复杂，细节就越容易出错
关于BM算法的性能，已有论文证明在最坏情况下BM 算法的比较次数上限是 3n。
特此记录，有个了解
