AC自動機-算法詳解

時間 2019-11-06

標籤自動機算法詳解简体版

原文原文鏈接

What's Aho-Corasick automaton?

　　一種多模式串匹配算法，該算法在1975年產生於貝爾實驗室，是著名的多模式匹配算法之一。php

　　簡單的說，KMP用來在一篇文章中匹配一個模式串；但若是有多個模式串，須要在一篇文章中把出現過的模式串都匹配出來，就須要Aho-Corasick automaton算法了。html

My Understanding About Aho-Corasick automaton

　個人理解：Aho-Corasick automaton = Trie + KMP算法

　　在KMP算法中，匹配單個字符的時候，咱們只須要按照文本線性的掃一遍，而後中途失配的時候，next數組會引導k回溯到正確的位置進行下一步的匹配。數組

　　可是多個模式串的時候要怎麼匹配呢？Trie樹不就是一個多模式的匹配嗎，若是咱們將KMP和Trie數結合起來，是否是會有意想不到的效果呢？ui

　　有了這些思考，AC自動機算法就這樣產生了。編碼

　　在AC自動機中，咱們首先將每個模式串插入到Trie樹中去，創建一棵Trie樹，而後構建fail指針，fail指針，顧名思義，就是當匹配失敗的時候，用來引導k回溯的一個插穿在Trie樹的各個節點之間的一些指針，就和KMP算法中的next數組是同樣的道理。spa

　　關於fail指針的構建，推薦看一下李翔大神的PPT。3d

　　ppt下載連接：指針

　　　　http://wenku.baidu.com/view/93af2c936bec0975f465e2f1.htmlcode

1.構建Trie樹

2.在Trie樹上構建fail指針

構建完fail指針後，咱們就用文章來對這棵Trie樹進行匹配了。

　　匹配過程分兩種狀況：

當前字符匹配，表示從當前節點沿着樹邊有一條路徑能夠到達目標字符，此時只需沿該路徑走向下一個節點繼續匹配便可，目標字符串指針移向下個字符繼續匹配；
當前字符不匹配，則去當前節點fail指針所指向的字符繼續匹配，匹配過程隨着指針指向root結束。重複這2個過程當中，直到模式串走到結尾爲止。

　　對照上圖，看一下模式匹配這個詳細的流程，其中模式串爲yasherhs。

　　對於i=0,1。Trie中沒有對應的路徑，故不作任何操做；i=2,3,4時，指針p走到左下節點e。

　　由於節點e的count信息爲1，因此cnt+1，而且講節點e的count值設置爲-1，表示改單詞已經出現過了，防止重複計數，最後temp指向e節點的失敗指針所指向的節點繼續查找，以此類推，最後temp指向root，退出while循環，這個過程當中count增長了2，表示找到了2個單詞she和he。

　　當i=5時，程序進入第5行，p指向其失敗指針的節點，也就是右邊那個e節點，隨後在第6行指向r節點，r節點的count值爲1，從而count+1，循環直到temp指向root爲止。

　　最後i=6,7時，找不到任何匹配，匹配過程結束。

匹配過程總結:

從root節點開始，每次根據讀入的字符沿着自動機向下移動。

當讀入的字符，在分支中不存在時，遞歸走Fail指針。若是走Fail指針走到了root節點，則跳過該字符，處理下一個字符。
由於AC自動機是沿着輸入文本的最長後綴移動的，因此在讀取完全部輸入文本後，最後遞歸走Fail指針，直到到達根節點，這樣能夠檢測出全部的模式。
這個過程和KMP算法的匹配也是很是類似，固然這一步就很是靈活了，咱們須要經過多作題來提升熟練度。