请 教 一个关于状态机的东西? 或者是模式匹配字符串列表

[Kvci]

各位大虾,问个东西:
有一字符串数组,里面有若干个短字符串.
现在要在一个长字符串里检测是否包含以上字符串,要检测出来,并知道是包含哪个(可以有多个),
用C/C++都可以
如果采用笨点的办法,就是对每个短字符串都利用模式匹配来检测,有多少个短字符串就检测多少次.现在想问的是有没有更好的办法?
学过编译原理,知道里面有个什么状态机的东西,可以只扫描一次就检测完所有关键字.
但是小弟对那东西不熟悉,没学好,那东西也有点伤脑筋
哪未有没有这方面的文章?或者演示代码?C/C++都可以
最好是有个这样的函数:
传2个参数进去,一个是长字符串地址(或CString变量),另一个是短字符串地址.
返回值:
返回-1表示不包含任何关键字
若包含关键字,则返回其在短字符串数组里的序号.
谢谢拉!

[nasi00]

这个最高效的方法应该是用Trie，查查资料吧

[chenhu_doc]

//求子串位置的定位函数index(***,***,int **)

#include <iostream>
#include <string>

using namespace std;

int index(const char *res, const char *str, int pos)
{
/* 若串 S 中从第pos(S 的下标0≤pos<StrLength(S))个字符

起存在和串 T 相同的子串，则称匹配成功，返回第一个

这样的子串在串 S 中的下标，否则返回 -1 */
int i = pos, j = 0;
while ( res[i+j] != '\0'&& str[j] != '\0')

if ( res[i+j] == str[j] )
j ++; // 继续比较后一字符
else
{
i ++; j = 0; // 重新开始新的一轮匹配
}

if ( str[j] == '\0')
return i+1; // 匹配成功 返回下标
else
return -1; // 串S中(第pos个字符起)不存在和串T相同的子串
}


int main()
{
char res[100];
char str[20];

cout<<"input the context to be matched: "<<endl;
cin.getline(res,100,'\n');

cout<<"input the key character:"<<endl;
cin.getline(str,20,'\n');

cout <<res<<endl;
cout <<str<<endl;

int position = -1; //want to specify this variable, use cin....
int index_=position;
int count=0;
do
{
index_ = index(res, str, index_);
if( -1 == index_ )
cout<<"so now,there is no more matching position"<<endl;
else
{
count++;
cout <<"the "<<count<<" matching characters: "<< index_<<endl;
}
}while(index_ != -1);

return 0;
}

///献丑。。。。。

[Kvci]

楼上的
先谢谢
不过字符串查找的算法我还是会,KMP也会,现在是要找一个高效点的算法,因为这个要用到网络数据包内容过滤里,一秒可能都要检测几百次这个过程.
所以效率提高一点都可以使那整个程序效率提高很多.
这里的关键点在于他是要检测多个字符串,并且那些字符串是随时可以设置的,所以不能定死了

[laomai]

呵呵，这是楼主的毕业设计还是商业项目？

[laomai]

提示楼主一点，可以考虑采用类似哈希表的思路

[Kvci]

呵呵
村长,上次QQ里就是要问你这个东西,
没想到你自己送上门来了
哈哈
这个是我的毕业设计,我猜那我老师是因为他的公司需要这方面的东西才叫我做这个题目的,全名叫做<局域网信息安全系统>,就是要防止公司文件信息被泄密出去
那就要用到关键字过滤
采用类似哈希表的思路>???
能不能具体点啊?村长

[Kvci]

依据哪个建立哈希表?

[Kvci]

//////////////////////////////////////////////
snort一个非常成功的思想是利用了plugin机制，规则处理函数并非固定在
源程序中，而是根据每次运行时的参数设定，从规则文件中读入规则，再把每个
规则所需要的处理函数挂接到链表上。实际检测时，遍历这些链表，调用链表上
相应的函数来分析。
/////////////////////////////////////////////
上面的话是一篇snort源代码分析文章里说的
http://macrosea.blogchina.com/

照这样说的话,snort的内容检测也是类似与上面的,对每个关键字规则扫描一次
效率并没提高啊

[laomai]

你QQ里直接喊我吧，呵呵。有些东西不方便公开讨论：-（

[Kvci]

看了一些snort源代码分析的文章和书
看到下面几点：
1、Snort是基于Libcap的
2、有个content-list 选项，后面接存储关键字的文件名，
处理这个选项的函数是void ParselListFile(char *rule,char *file);

[其基本过程是读取content-list文件中的每一行，并将其转换为一条规则，送往解释器。]

上面的话见《黑客入侵防护系统源代码分析》第6章-Snort系统源代码分析 Page 387-Page 388


//////////////////////////////////////////////
snort一个非常成功的思想是利用了plugin机制，规则处理函数并非固定在
源程序中，而是根据每次运行时的参数设定，从规则文件中读入规则，再把每个
规则所需要的处理函数挂接到链表上。
实际检测时，遍历这些链表，调用链表上相应的函数来分析。
/////////////////////////////////////////////
上面的话是一篇snort源代码分析文章里说的
http://macrosea.blogchina.com/

照这样说的话,snort的内容检测也是类似与上面的,对每个关键字规则扫描一次
效率并没提高啊

[laomai]

但是snort的检索效率肯定比你的快，呵呵