[Alg] 文本匹配-單模匹配與多模匹配

實際場景：

網站的用戶發了一些帖子S1, S2,...，網站就要審覈一下這些帖子裏有沒有敏感詞。

1. 若是網站想查一下帖子裏有沒有一個敏感詞P，這個文本匹配要怎麼作更快？

2. 若是網站想查一下帖子裏有沒有敏感詞P1, P2,...，這個文本匹配要怎麼作更快？

單模匹配與多模匹配

從以上的實際場景中，能夠抽象出來兩類文本匹配的問題。這裏首先將"帖子"抽象爲待匹配的序列S，將"敏感詞"抽象爲模式串P。那目標就是看看序列S中是否包含模式串P。

若是模式串P只有一個，要看看序列S中是否包含P，咱們稱這是單模匹配問題；

若是模式串有多個P1, P2,...，要將序列S中出現的全部模式串所有找出來，咱們稱這是多模匹配問題。

單模匹配經常使用算法-KMP

對於單模匹配問題，要如何作？

暴力：若是分別從序列S和模式串P的第一個字符開始匹配，遇到不匹配的，則回到當前序列開始字符的下一個字符，和模式串的第一個字符來匹配，對於大規模文本很是不可行。

因此提出了KMP算法進行優化。

多模匹配經常使用算法-字典樹、AC、WM

對於多模匹配問題，經常使用的算法

1. 構建字典樹。

2. AC算法。對於1中最簡單的字典樹，遇到不匹配的，又從新回根節點再次判斷，並不能充分利用模式串的信息。能夠參考KMP尋找next的方法，爲字典樹的節點找fail時跳轉的節點，加速。

3. WM算法。

算法詳解

1. KMP: http://www.javashuo.com/article/p-qlbezaaf-km.html

2. AC: http://www.javashuo.com/article/p-qqdvzjnp-ka.html

3. WM: [placeholder]