欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

走进AC自动机

程序员文章站 2022-06-04 12:32:42
...

走进AC自动机

AC自动机,听这名字就很高大上的亚子,起初还以为就是“AC自动机”。。。。。。开始真正的走进AC自动机了

简单介绍:

AC自动机即为:多模匹配问题(像:经典的KMP算法就是单一模式匹配),于是要学会AC自动机,我们必须知道什么是Trie,也就是字典树Trie树,又称单词查找树或键树,是一种树形结构,是一种哈希树的变种。典型应用是用于统计和排序大量的字符串(但不仅限于字符串),所以经常被搜索引擎系统用于文本词频统计。

于是就了解字典树是个啥东西


字典树


走进AC自动机
看图秒懂,有树的基本知识,就能明白字典树是个什么东东了

基本性质:

1、根节点不包含字符,除根节点外每一个节点都只包含一个字符;
2、从根节点到某一节点,路径上经过的字符连接起来,为该节点对应的字符串;
3、每个节点的所有子节点包含的字符都不相同。

实现方法:

(1) 从根结点开始一次搜索;
(2) 取得要查找关键词的第一个字母,并根据该字母选择对应的子树并转到该子树继续进行检索;
(3) 在相应的子树上,取得要查找关键词的第二个字母,并进一步选择对应的子树进行检索。
(4) 迭代过程……
(5) 在某个结点处,关键词的所有字母已被取出,则读取附在该结点上的信息,即完成查找。

再回到AC自动机:
AC自动机需要先了解的知识:字典树、KMP算法(其实也就是其中的构造失败指针像KMP中next函数一样比较巧妙,但是不了解也不是不行)
如果想看KMP算法的话,这插个小链接:模式匹配之BF算法与KMP算法

其中总结来说:
AC自动机算法分为3步:构造一棵Trie树,构造失败指针模式匹配过程


下面内容就是转载的大佬的博客:https://www.bestsort.cn/2019/04/28/402


下面开始用图学习ac自动机吧(个人比较喜欢放图,能用一张图解决的绝不叨叨)
首先给定模式串"ash",“shex”,“bcd”,“sha”,然后我们根据模式串建立如下trie树:

走进AC自动机

然后我们再了解下一步:
ac自动机,就是在tire树的基础上,增加一个fail指针,如果当前点匹配失败,则将指针转移到fail指针指向的地方,这样就不用回溯,而可以路匹配下去了.(当前模式串后缀和fail指针指向的模式串部分前缀相同,如abce和bcd,我们找到c发现下一个要找的不是e,就跳到bcd中的c处,看看此处的下一个字符(d)是不是应该找的那一个)

一般,fail指针的构建都是用bfs实现的
首先每个模式串的首字母肯定是指向根节点的(一个字母你瞎指什么指,指了也是头字母有什么用嘛)
走进AC自动机
现在第一层bfs遍历完了,开始第二层
(根节点为第0层)第二层a的子节点为s,但是我们还是要从a-z遍历,如果不存在这个子节点我们就让他指向根节点(如下图红色的a)
走进AC自动机
当我们遍历到s的时候,由于存在s这个节点,我们就让他的fail指针指向他父亲节点(a)的fail指针指向的那个节点(根)的具有相同字母的子节点(第一层的s),也就是这样
走进AC自动机
按照相同规律构建第二层后,到了第三层的h点,还是按照上面的规则,我们找到h的父亲节点(s)fail指针指向的那个位置(第一层的s)然后指向它所指向的相同字母根->s->h的这个链的h节点,如下图
走进AC自动机

完全构造好后的树
走进AC自动机
然后匹配就很简单了,这里以ashe为例
我们先用ash匹配,到h了发现:诶这里ash是一个完整的模式串,好的ans++,然后找下一个e,可是ash后面没字母了啊,我们就跳到hfail指针指向的那个h继续找,还是没有?再跳,结果当前的h指向的是根节点,又从根节点找,然而还是没有找到e,程序END
走进AC自动机
模板题: hdu 2222

开始想的肯定就只要用个KMP算法就应该能A吧,但是TLE,于是就学了AC自动机,其中好像string会A不了,还是用c的char[]数组吧,代码如下(惭愧、看着别人的模板敲的。。。。):

#include<cstdio>
#include<cstring>
#include<queue>
#include<iostream>
#include<algorithm>
#define Maxsize 1000010
using namespace std;

int tree[Maxsize][26];    //字典树
int cntWord[Maxsize];      //记录结点出现的单词次数
int fail[Maxsize];        //失败时的回溯指针
int cnt=0;

char str[55];             //题目中需要判断的关键字
char a[Maxsize];          //模式串

/**建字典树*/
void insertWord(char s[])
{
    int root=0;
    int len=strlen(s);
    for(int i=0;i<len;i++)
    {
        int next=s[i]-'a';
        if(tree[root][next]==0)
            tree[root][next]=++cnt;
        root=tree[root][next];
    }
    cntWord[root]++;            //当前结点单词数+1
}
/**fail[]数组建立*/
void getFail()
{
    fail[0]=0;    //根结点
    queue<int>q;          //为了方便用了STL的队列
    for(int i=0;i<26;i++)     //将第二层所有出现的字母扔进队列(其中根节点表示第一层)
    {
        if(tree[0][i])
        {
            fail[tree[0][i]]=0;
            q.push(tree[0][i]);
        }
    }
    /**fail[now]           当前结点now的失败指针指向的地方*/
    /**tree[now][i]        下一个字母为i+'a'的结点的下标为tree[now][i]*/
    while(!q.empty())
    {
        int now=q.front();
        q.pop();

        for(int i=0;i<26;i++)     //查询26个字母
        {
            if(tree[now][i])
            {/**如果有这个子节点为字母i+'a',则让这个结点的
                失败指针指向((他父亲结点)的失败指针所指向的那个结点)的下一个结点*/
                fail[tree[now][i]]=tree[fail[now]][i];
                q.push(tree[now][i]);
            }
            else
            {/**否则就让当前结点的这个子节点指向当前结点fail指针的那个结点*/
                tree[now][i]=tree[fail[now]][i];
            }
        }
    }
}

int query(char s[])
{
    int now=0;
    int ans=0;    //看是否有多少串能够满足
    int len=strlen(s);
    for(int i=0;i<len;i++)   //遍历文本(模式)串
    {
        now=tree[now][s[i]-'a'];     //从s[i]开始寻找
        for(int j=now;j&&cntWord[j]!=-1;j=fail[j])
        {/**一直向下寻找,直到匹配失败(失败指针指向根或者当前结点已找过*/
            ans+=cntWord[j];
            cntWord[j]=-1;    //标记已经遍历过的结点
        }
    }
    return ans;
}
int main()
{
    int t;
    scanf("%d",&t);
    while(t--)
    {
        memset(tree,0,sizeof(tree));
        int n;
        scanf("%d",&n);
        while(n--)
        {
            scanf("%s",str);
            insertWord(str);
        }
        getFail();

        scanf("%s",a);

        int num=query(a);

        printf("%d\n",num);
    }
    return 0;
}

相关标签: AC自动机