字符串匹配查找算法中，最著名的两个是KMP算法（Knuth-Morris-Pratt)和BM算法（Boyer-Moore)。两个算法在最坏情况下均具有线性的查找时间。但是在实用上，KMP算法并不比最简单的C库函数strstr()快多少，而BM算法则往往比KMP算法快上3－5倍(未亲身实践)。但是BM算法还不是最快的算法，这里介绍一种比BM算法更快一些的查找算法Sunday算法。
Sunday算法的思想和BM算法中的坏字符思想非常类似。差别只是在于Sunday算法在匹配失败之后，是取目标串中当前和Pattern字符串对应的部分后面一个位置的字符来做坏字符匹配。
当发现匹配失败的时候就判断母串中当前偏移量+Pattern字符串长度+1处(假设为K位置)的字符在Pattern字符串中是否存在。如果存在，则将该位置和Pattern字符串中的该字符对齐，再从头开始匹配；如果不存在，就将Pattern字符串向后移动，和母串k+1处的字符对齐，再进行匹配。重复上面的操作直到找到，或母串被找完结束。
动手写了个小例子来实现以下这个算法。
在代码中，实现了两种字符串匹配算法，一种是Sunday方式，一种是普通的每次移动一位的方式，二者的效率对比在main函数中有，都是纳秒级别。算法的详细步骤，在代码中已经添加了相应的注释。关于BM算法，下次空了再一起对照着分析。
1 import java.util.HashMap;
2 import java.util.LinkedList;
3 import java.util.List;
4 import java.util.Map;
5
6 /**
7 * @author Scott
8 * @date 2013年12月28日
9 * @description
10 */
11 public class SundySearch {
12 String text = null;
13 String pattern = null;
14 int currentPos = 0;
15
16 /**
17 * 匹配后的子串第一个字符位置列表
18 */
19 List<Integer> matchedPosList = new LinkedList<Integer>();
20
21 /**
22 * 匹配字符的Map,记录改匹配字符串有哪些char并且每个char最后出现的位移
23 */
24 Map<Character, Integer> map = new HashMap<Character, Integer>();
25
26 public SundySearch(String text, String pattern) {
27 this.text = text;
28 this.pattern = pattern;
29 this.initMap();
30 };
31
32 /**
33 * Sunday匹配时，用来存储Pattern中每个字符最后一次出现的位置，从左到右的顺序
34 */
35 private void initMap() {
36 for (int i = 0; i < pattern.length(); i++) {
37 this.map.put(pattern.charAt(i), i);
38
39 }
40 }
41
42 /**
43 * 普通的字符串递归匹配，匹配失败就前进一位
44 */
45 public List<Integer> normalMatch() {
46 //匹配失败，继续往下走
47 if (!matchFromSpecialPos(currentPos)) {
48 currentPos += 1;
49
50 if ((text.length() - currentPos) < pattern.length()) {
51 return matchedPosList;
52 }
53 normalMatch();
54 } else {
55 //匹配成功，记录位置
56 matchedPosList.add(currentPos);
57 currentPos += 1;
58 normalMatch();
59 }
60
61 return matchedPosList;
62 }
63
64 /**
65 * Sunday匹配，假定Text中的K字符的位置为：当前偏移量+Pattern字符串长度+1
66 */
67 public List<Integer> sundayMatch() {
68 // 如果没有匹配成功
69 if (!matchFromSpecialPos(currentPos)) {
70 // 如果Text中K字符没有在Pattern字符串中出现，则跳过整个Pattern字符串长度
71 if ((currentPos + pattern.length() + 1) < text.length()
72 && !map.containsKey(text.charAt(currentPos + pattern.length() + 1))) {
73 currentPos += pattern.length();
74 }else {
75 // 如果Text中K字符在Pattern字符串中出现，则将Text中K字符的位置和Pattern字符串中的最后一次出现K字符的位置对齐
76 if ((currentPos + pattern.length() + 1) > text.length()) {
77 currentPos += 1;
78 } else {
79 currentPos += pattern.length() - (Integer) map.get(text.charAt(currentPos + pattern.length()));
80 }
81 }
82
83 // 匹配完成，返回全部匹配成功的初始位移
84 if ((text.length() - currentPos) < pattern.length()) {
85 return matchedPosList;
86 }
87
88 sundayMatch();
89 }else {
90 // 匹配成功前进一位然后再次匹配
91 matchedPosList.add(currentPos);
92 currentPos += 1;
93 sundayMatch();
94 }
95 return matchedPosList;
96 }
97
98 /**
99 * 检查从Text的指定偏移量开始的子串是否和Pattern匹配
100 */
101 public boolean matchFromSpecialPos(int pos) {
102 if ((text.length()-pos) < pattern.length()) {
103 return false;
104 }
105
106 for (int i = 0; i < pattern.length(); i++) {
107 if (text.charAt(pos + i) == pattern.charAt(i)) {
108 if (i == (pattern.length()-1)) {
109 return true;
110 }
111 continue;
112 } else {
113 break;
114 }
115 }
116
117 return false;
118 }
119
120 public static void main(String[] args) {
121 SundySearch sundySearch = new SundySearch("hello 啊啊 阿道夫 adfsadfklf adf234masdfsdfdsfdsfdsffwerwrewrerwerwersdf2666sdflsdfk", "adf");
122
123 long begin = System.nanoTime();
124 System.out.println("NormalMatch:" + sundySearch.normalMatch());
125 System.out.println("NormalMatch:" + (System.nanoTime() - begin));
126
127 begin = System.nanoTime();
128 System.out.println("SundayMatch:" + sundySearch.sundayMatch());
129 System.out.println("SundayMatch:" + (System.nanoTime() - begin));
130
131 }
132 }
运行结果：
NormalMatch:[13, 17, 24]
NormalMatch:313423
SundayMatch:[13, 17, 24]
SundayMatch:36251
使用Sunday算法要比普通的匹配算法快了10倍左右，虽然是纳秒级别~因为我们匹配的内容就那么短，内容越长，效果就会越明显。