算法背景：
BF（Brute Force）算法，是一种在字符串匹配的算法中，比较符合人类自然思维方式的方法，即对源字符串和目标字符串逐个字符地进行比较，直到在源字符串中找到完全与目标字符串匹配的子字符串，或者遍历到最后发现找不到能匹配的子字符串。算法思路很简单，但也很暴力。
算法原理：
假设源字符串为“非常地非常地非常地喜欢你”，我们想从中寻找目标字符串“非常地非常地喜欢”，则BF算法的过程可以表述如下：
第1轮：将源字符串和目标字符串对齐，并下标0开始逐个向后比较每个字符。结果发现双方的第1个字符都是“非”、第2个字符都是“常”、……，但到了第7个字符时发现不一致：源字符串为“非”、目标字符串为“喜”，因此这一轮匹配不成功。
第2轮：将目标字符串整体向后移动1个字符的位置（即将目标字符串的第1个字符与源字符串的第2个字符对齐），并开始逐个向后比较每个字符，结果发现两个字符串的第1个字符就不一致，因此这一轮匹配也不成功。
第3轮：类似地，将目标字符串整体向后移动1个字符的位置（即将目标字符串的第1个字符与源字符串的第3个字符对齐），并开始逐个向后比较，结果发现两个字符串的第1个字符就不一致，因此这一轮匹配也不成功。
第4轮：这一轮终于发现，目标字符串的每个字符都能和源字符串对应起来，匹配成功！因此算法结束并根据需要返回相应的信息（比如返回这一轮源字符串遍历起始点的位置下标3）
算法实现：
BF算法的python实现如下：
1 #!/usr/bin/env python
2 #-*- coding: utf-8 -*-
3 import sys
4 import pdb
5
6 reload(sys)
7 sys.setdefaultencoding(\'utf-8\')
8
9
10 class BruteForce(object):
11 """BF算法
12 成员变量:
13 str_s: 源字符串
14 str_t: 目标字符串
15 """
16 def __init__(self, str_s, str_t):
17 self.str_s = str_s
18 self.str_t = str_t
19
20 def run(self):
21 """完全匹配则返回源字符串匹配成功的起始点的下标，否则返回-1
22 """
23 base = 0 # 记录源字符串与目标字符串对齐的基准点
24 len_s = len(self.str_s)
25 len_t = len(self.str_t)
26
27 while base + len_t <= len_s:
28 step = 0
29 while step < len_t:
30 if str_t[step] == self.str_s[base + step]:
31 # 当前字符相同，则继续比较下一个字符
32 step += 1
33 continue
34 # 当前字符不相同，则结束次轮比较，更新base基准位置，启动下一轮比较
35 base += 1
36 break
37 # 完全匹配成功，算法结论，返回匹配成功的基准点位置下标
38 if step == len_t:
39 return base
40 # 遍历了所有情况，最终匹配失败，返回-1
41 return -1
42
43
44 if __name__ == \'__main__\':
45 str_s = u"非常地非常地非常地喜欢你"
46 str_t = u"非常地非常地喜欢"
47 model = BruteForce(str_s, str_t)
48 print model.run() 复杂度分析：
时间复杂度：
假设源字符串长度为m，目标字符串长度为n，则：
最好情况下是第一轮就成功匹配，则时间复杂度为O(n)；
最坏情况下是遍历到最后才成功匹配，或者遍历到最后发现匹配不成功，则时间复杂度为O(n*(m-n+1))，一般实际使用时m >> n，所以可以认为趋近于O(m*n)；
空间复杂度：
由于不需要额外的存储空间，所以空间复杂度为O(1)
算法评估：
整个算法其实就循环执行如下两个步骤：
一、从每一轮的基准点开始比较两个字符串；
二、如发现不能完全匹配目标字符串，将目标字符串向后挪动一个字符的位置（即更新基准点）；
如果想优化算法性能，那就简单分析一下：
步骤一基本没有优化的空间：两个字符串比较就是需要从前向后逐个字符看是否匹配；
步骤二可能有优化的空间：每轮发现不匹配时，目标字符串只能向后挪动一个字符的距离，所以会想到能否多往后挪动几个字符的距离？这样不就减少了步骤一比较的轮次数，从而加快速度了吗？这基本就是KMP算法的思路，下一篇《KMP算法》会详细介绍。