AC自动机（多模式串“KMP")模版

最新推荐文章于 2023-08-08 16:33:18 发布
最新推荐文章于 2023-08-08 16:33:18 发布
阅读量671 收藏 1
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/AngOn823/article/details/52628398
版权

参考博客：kuangbin AC自动机小结，AC自动机算法  海量数据处理之Tire树（字典树）


AC自动机，Aho-Corasick automation 是建立在字典树（Tire）上的多模式串快速匹配算法；

一个典型的例子就是：给出N个单词，和一篇文章，判断文章中出现了多种（个）之前的单词。


要想理解AC自动机必须先学Tire。Tire是一棵k叉树，除根节点之外，每个节点都储存了一个字符（字母），于是从祖先往下看，每一条路径都是一个单词。

AC自动机就是建立在Tire数据结构上的一个算法，类似于在Tire树上做KMP。类似kmp的next指针，它也有一个fail指针，以加速匹配的速度。

它可以判断某单词是否在文章中出现（可重叠），以及出现的次数。

具体原理不赘述，网上各种解释遍地开花。对于偷懒者来说，求个模版就算了……

AC自动机算法主要有三个步骤

1）建Tire树

2）构造fail指针

3）匹配

【模版】（带详细解释）

const int MAXN = 500*200;    //模式串串个数*模式串长度
const int MAXL = 10000+10;   //原串最大长度
const int MAXM = 128;        //Tire树分支个数，即字符种类数
struct Trie
{
    int next[MAXN][MAXM],fail[MAXN],end[MAXN];  
    int root,L;
    int newnode()
    {
        for(int i = 0;i < MAXM;i++)
            next[L][i] = -1;
        end[L++] = -1;  //单词"L"初始为-1,表示没有这个单词
        return L-1;
    }
    void init()
    {
        L = 0;
        root = newnode();
    }
    void insert(char buf[],int id)  //插入模式串，建树；id是模式串的编号，可无
    {
        int len = strlen(buf);
        int now = root;
        for(int i = 0;i < len;i++)
        {
            if(next[now][buf[i]] == -1)
                next[now][buf[i]] = newnode();
            now = next[now][buf[i]];
        }
        end[now] = id;  //记住id
    }
    void build()     //求fail指针
    {
        queue<int>Q;
        fail[root] = root;
        for(int i = 0;i < MAXM;i++)
            if(next[root][i] == -1)
                next[root][i] = root;
            else
            {
                fail[next[root][i]] = root;
                Q.push(next[root][i]);
            }
        while( !Q.empty() )
        {
            int now = Q.front();
            Q.pop();
            for(int i = 0;i < MAXM;i++)
                if(next[now][i] == -1)
                    next[now][i] = next[fail[now]][i];
                else
                {
                    fail[next[now][i]]=next[fail[now]][i];
                    Q.push(next[now][i]);
                }
        }
    }
    int num[501];
    int query(char buf[],int n,int id)   //匹配，某些变化主要在此处；id是文章的编号
    {
        bool has = false;
        mst(num,0);
        int len = strlen(buf);
        int now = root;
        int ct = 0;
        for(int i = 0;i < len;i++)
        {
            now = next[now][buf[i]];
            int temp = now;
            while( temp != root )
            {
                if(end[temp] != -1) //如果单词存在
                {
                    num[ct++] = end[temp];  //num数组存出现过单词的id
                    //end[temp] = -1;  //把temp删除
                    has = true;
                }
                temp = fail[temp];
            }
        }
        if(!has) return 0;
    }
};

三道入门题，注意字符种类总数。

1、HDU 2222 Keywords Search  

题意：求出现了多少种单词

【代码】

/* ***********************************************
Author        :angon

************************************************ */
#include <stdio.h>
#include <string.h>
#include <iostream>
#include <algorithm>
#include <stack>
#include <vector>
#include <queue>
#include <set>
#include <map>
#include <string>
#include <math.h>
#include <stdlib.h>
#include <time.h>
using namespace std;
#define showtime fprintf(stderr,"time = %.15f\n",clock() / (double)CLOCKS_PER_SEC)
#define lld %I64d
#define REP(i,k,n) for(int i=k;i<n;i++)
#define REPP(i,k,n) for(int i=k;i<=n;i++)
#define scan(d) scanf("%d",&d)
#define scanl(d) scanf("%I64d",&d)
#define scann(n,m) scanf("%d%d",&n,&m)
#define scannl(n,m) scanf("%I64d%I64d",&n,&m)
#define mst(a,k)  memset(a,k,sizeof(a))
#define LL long long
#define N 1005
#define mod 1000000007
inline int read(){int s=0;char ch=getchar();for(; ch<'0'||ch>'9'; ch=getchar());for(; ch>='0'&&ch<='9'; ch=getchar())s=s*10+ch-'0';return s;}

const int MAXN = 500010;    //字符串个数
const int MAXL = 1000010;   //字符最大长度
const int MAXM = 26;        //Tire树分支个数
struct Trie
{
    int next[MAXN][MAXM],fail[MAXN],end[MAXN];
    int root,L;
    int newnode()
    {
        for(int i = 0;i < 26;i++)
            next[L][i] = -1;
        end[L++] = 0;
        return L-1;
    }
    void init()
    {
        L = 0;
        root = newnode();
    }
    void insert(char buf[])
    {
        int len = strlen(buf);
        int now = root;
        for(int i = 0;i < len;i++)
        {
            if(next[now][buf[i]-'a'] == -1)
                next[now][buf[i]-'a'] = newnode();
            now = next[now][buf[i]-'a'];
        }
        end[now]++;
    }
    void build()
    {
        queue<int>Q;
        fail[root] = root;
        for(int i = 0;i < 26;i++)
            if(next[root][i] == -1)
                next[root][i] = root;
            else
            {
                fail[next[root][i]] = root;
                Q.push(next[root][i]);
            }
        while( !Q.empty() )
        {
            int now = Q.front();
            Q.pop();
            for(int i = 0;i < 26;i++)
                if(next[now][i] == -1)
                    next[now][i] = next[fail[now]][i];
                else
                {
                    fail[next[now][i]]=next[fail[now]][i];
                    Q.push(next[now][i]);
                }
        }
    }
    int query(char buf[])
    {
        int len = strlen(buf);
        int now = root;
        int res = 0;
        for(int i = 0;i < len;i++)
        {
            now = next[now][buf[i]-'a'];
            int temp = now;
            while( temp != root )
            {
                res += end[temp];
                end[temp] = 0;
                temp = fail[temp];
            }
        }
        return res;
    }
    void debug()
    {
        for(int i = 0;i < L;i++)
        {
            printf("id = %3d,fail = %3d,end = %3d,chi = [",i,fail[i],end[i]);
            for(int j = 0;j < 26;j++)
                printf("%2d",next[i][j]);
            printf("]\n");
        }
    }
};
char buf[MAXL];
Trie ac;
int main()
{
    //freopen("in.txt","r",stdin);
    //freopen("out.txt","w",stdout);
    int t;scan(t);
    while(t--)
    {
        int n;
        scan(n);
        ac.init();
        REP(i,0,n)
        {
            scanf("%s",buf);
            ac.insert(buf);
        }
        ac.build();
        scanf("%s",buf);
        printf("%d\n",ac.query(buf));
    }


    return 0;
}

2、HDU 3065 病毒侵袭持续中

题意：要求输出每个单词出现的次数

【代码】

/* ***********************************************
Author        :angon

************************************************ */
#include <stdio.h>
#include <string.h>
#include <iostream>
#include <algorithm>
#include <stack>
#include <vector>
#include <queue>
#include <set>
#include <map>
#include <string>
#include <math.h>
#include <stdlib.h>
#include <time.h>
using namespace std;
#define showtime fprintf(stderr,"time = %.15f\n",clock() / (double)CLOCKS_PER_SEC)
#define lld %I64d
#define REP(i,k,n) for(int i=k;i<n;i++)
#define REPP(i,k,n) for(int i=k;i<=n;i++)
#define scan(d) scanf("%d",&d)
#define scanl(d) scanf("%I64d",&d)
#define scann(n,m) scanf("%d%d",&n,&m)
#define scannl(n,m) scanf("%I64d%I64d",&n,&m)
#define mst(a,k)  memset(a,k,sizeof(a))
#define LL long long
#define N 1005
#define mod 1000000007
inline int read(){int s=0;char ch=getchar();for(; ch<'0'||ch>'9'; ch=getchar());for(; ch>='0'&&ch<='9'; ch=getchar())s=s*10+ch-'0';return s;}

const int MAXN = 1010*50;    //字符串个数*50
const int MAXL = 2000000+10;   //原串最大长度
const int MAXM = 128;        //Tire树分支个数
char str[1005][100];
struct Trie
{
    int next[MAXN][MAXM],fail[MAXN],end[MAXN];
    int root,L;
    int newnode()
    {
        for(int i = 0;i < MAXM;i++)
            next[L][i] = -1;
        end[L++] = -1;
        return L-1;
    }
    void init()
    {
        L = 0;
        root = newnode();
    }
    void insert(char buf[],int id)
    {
        int len = strlen(buf);
        int now = root;
        for(int i = 0;i < len;i++)
        {
            if(next[now][buf[i]] == -1)
                next[now][buf[i]] = newnode();
            now = next[now][buf[i]];
        }
        end[now] = id;
    }
    void build()
    {
        queue<int>Q;
        fail[root] = root;
        for(int i = 0;i < MAXM;i++)
            if(next[root][i] == -1)
                next[root][i] = root;
            else
            {
                fail[next[root][i]] = root;
                Q.push(next[root][i]);
            }
        while( !Q.empty() )
        {
            int now = Q.front();
            Q.pop();
            for(int i = 0;i < MAXM;i++)
                if(next[now][i] == -1)
                    next[now][i] = next[fail[now]][i];
                else
                {
                    fail[next[now][i]]=next[fail[now]][i];
                    Q.push(next[now][i]);
                }
        }
    }
    int num[1001];
    void query(char buf[],int n)
    {
        mst(num,0);
        int len = strlen(buf);
        int now = root;
        //int res = 0;
        for(int i = 0;i < len;i++)
        {
            now = next[now][buf[i]];
            int temp = now;
            while( temp != root )
            {
                //res += end[temp];
                //end[temp] = 0;
                if(end[temp] != -1)
                    num[end[temp]]++;
                temp = fail[temp];
            }
        }
        //return res;
        REP(i,0,n)
            if(num[i])
                printf("%s: %d\n",str[i],num[i]);
    }
};
char buf[MAXL];
Trie ac;
int main()
{
    //freopen("in.txt","r",stdin);
    //freopen("out.txt","w",stdout);
    int n;
    while(~scan(n))
    {
        ac.init();
        REP(i,0,n)
        {
            scanf("%s",str[i]);
            ac.insert(str[i],i);
        }
        ac.build();
        scanf("%s",buf);
        ac.query(buf,n);
    }


    return 0;
}

3、HDU 2896 病毒侵袭 

题意：输出出现了单词的编号

【代码】

/* ***********************************************
Author        :angon

************************************************ */
#include <stdio.h>
#include <string.h>
#include <iostream>
#include <algorithm>
#include <stack>
#include <vector>
#include <queue>
#include <set>
#include <map>
#include <string>
#include <math.h>
#include <stdlib.h>
#include <time.h>
using namespace std;
#define showtime fprintf(stderr,"time = %.15f\n",clock() / (double)CLOCKS_PER_SEC)
#define lld %I64d
#define REP(i,k,n) for(int i=k;i<n;i++)
#define REPP(i,k,n) for(int i=k;i<=n;i++)
#define scan(d) scanf("%d",&d)
#define scanl(d) scanf("%I64d",&d)
#define scann(n,m) scanf("%d%d",&n,&m)
#define scannl(n,m) scanf("%I64d%I64d",&n,&m)
#define mst(a,k)  memset(a,k,sizeof(a))
#define LL long long
#define N 1005
#define mod 1000000007
inline int read(){int s=0;char ch=getchar();for(; ch<'0'||ch>'9'; ch=getchar());for(; ch>='0'&&ch<='9'; ch=getchar())s=s*10+ch-'0';return s;}

const int MAXN = 500*200;    //模式串串个数*模式串长度
const int MAXL = 10000+10;   //原串最大长度
const int MAXM = 128;        //Tire树分支个数
struct Trie
{
    int next[MAXN][MAXM],fail[MAXN],end[MAXN];
    int root,L;
    int newnode()
    {
        for(int i = 0;i < MAXM;i++)
            next[L][i] = -1;
        end[L++] = -1;  
        return L-1;
    }
    void init()
    {
        L = 0;
        root = newnode();
    }
    void insert(char buf[],int id)
    {
        int len = strlen(buf);
        int now = root;
        for(int i = 0;i < len;i++)
        {
            if(next[now][buf[i]] == -1)
                next[now][buf[i]] = newnode();
            now = next[now][buf[i]];
        }
        end[now] = id;
    }
    void build()
    {
        queue<int>Q;
        fail[root] = root;
        for(int i = 0;i < MAXM;i++)
            if(next[root][i] == -1)
                next[root][i] = root;
            else
            {
                fail[next[root][i]] = root;
                Q.push(next[root][i]);
            }
        while( !Q.empty() )
        {
            int now = Q.front();
            Q.pop();
            for(int i = 0;i < MAXM;i++)
                if(next[now][i] == -1)
                    next[now][i] = next[fail[now]][i];
                else
                {
                    fail[next[now][i]]=next[fail[now]][i];
                    Q.push(next[now][i]);
                }
        }
    }
    int num[501];
    int query(char buf[],int n,int id)
    {
        bool has = false;
        mst(num,0);
        int len = strlen(buf);
        int now = root;
        int ct = 0;
        for(int i = 0;i < len;i++)
        {
            now = next[now][buf[i]];
            int temp = now;
            while( temp != root )
            {
                if(end[temp] != -1)
                {
                    num[ct++] = end[temp];
                    //end[temp] = -1;
                    has = true;
                }
                temp = fail[temp];
            }
        }
        if(!has) return 0;
        printf("web %d: ",id);
        sort(num,num+ct);
        REP(i,0,ct)
            printf("%d%c",num[i]+1,i==ct-1?'\n':' ');
        return 1;
    }
};
char buf[MAXL];
Trie ac;
int main()
{
    //freopen("in.txt","r",stdin);
    //freopen("out.txt","w",stdout);
    int n;
    while(~scan(n))
    {
        ac.init();
        REP(i,0,n)
        {
            scanf("%s",buf);
            ac.insert(buf,i);
        }
        ac.build();
        int m; scan(m);
        int total = 0;
        REPP(i,1,m)
        {
            scanf("%s",buf);
            if(ac.query(buf,n,i))
                total++;
        }
        printf("total: %d\n",total);

    }


    return 0;
}


以上~


姜团长
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
AC自动机_AC自动机模板_
09-30
供信息学奥林匹克竞赛选手使用 AC自动机模板
「干货」Snort使用手册「详细版」
橙留香Park的博客
01-21 1万+
转移发布平台通知：将不再在CSDN博客发布新文章，敬请移步知识星球... ...
字符串处理【AC自动机】 - 原理 AC自动机详解
谢谢你们的关注
12-08 1189
字符串处理【AC自动机】 - 原理 AC自动机详解
Trie树和AC自动机的概念
Listennnn的博客
08-08 80
Trie树 Trie树：也叫“字典树”，专门处理字符串匹配的数据结构，用来在一组字符串集合中快速查找某个字符串 Trie树的本质：利用字符串之间的公共前缀，将重复的前缀合并在一起 Trie树主要有两个操作：①将字符串集合构造成Trie树②在Trie树中查询一个字符串 Trie树非常耗内存，用的是空间换时间：Trie树实现的时候，用数组来存储一个节点的子节点的指针。如果字符串中包含从a到z这 26个字符，那每个节点都要存储一个长度为26的数组，并且每个数组元素要存储一个8字节指针(或者是4字节)。而且，即便
KMP和AC自动机
bajun4189的博客
04-21 208
KMP： 给定模式串$A[1~n]$和匹配串$B[1~m]$，求出$A$在$B$中出现的位置。 这就是经典的字符串匹配问题了，也许你会说$Hash$也可以线性解决，为什么还要学$KMP$？ 因为$KMP$的作用并不仅仅是解决字符串匹配问题，$KMP$过程中得到的$Next$数组还可以在一些问题中发挥出巨大的作用。 Step 1: 我们要求出一个数组$Next$，$Next[i]...
kmp和ac自动机
qq_52406324的博客
09-03 371
kmp
多模式匹配 ac自动机 dawg自动机
06-25
多模式匹配 ac自动机 dawg自动机多模式匹配 ac自动机 dawg自动机多模式匹配 ac自动机 dawg自动机多模式匹配 ac自动机 dawg自动机多模式匹配 ac自动机 dawg自动机多模式匹配 ac自动机 dawg自动机多模式匹配 ac自动机 ...
36丨AC自动机：如何用多模式串匹配实现敏感词过滤功能？1
08-03
基于单模式串和 Trie 树实现的敏感词过滤我们前面几节讲了好几种字符串匹配算法，有 BF 算法、RK 算法、BM 算法、KMP 算法，前面四种算法都是单模式串
AC自动机实现多模式串匹配，支持中文
12-25
AC自动机实现多模式串匹配，支持中文系统，同时可以支持多个模式串，测试使用Linux和Windows系统，使用20条模式串，中英文混合，测试通过
多模式串匹配之AC自动机算法
04-03
多模式串匹配之AC自动机算法
KMP算法实现子串与多个主串的匹配
12-21
编程求出子串（模式串）的next值，利用kmp算法实现子串与多个主串的匹配，针对同一子串next值只计算一次。
AC自动机算法（Aho-Corasick 多模式匹配算法）
08-18
AC自动机算法（Aho-Corasick 多模式匹配算法）C#实现
ac自动机
Insistor
05-29 442
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: 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...
一篇文章 轻松搞懂 AC自动机
weixin_45488021的博客
08-14 1549
索引概念前后缀匹配Trie树AC自动机的实现初始化Fail指针的构建匹配字符串 一名蒟蒻向您问好。 概念 这是 AC自动机，不是自动AC机， 是一个十分常用的多模式字符串匹配算法 （也就是一个主串跟很多串匹配，叫多模式串匹配，那些串就叫模式串） AC自动机是建立在Trie树上的，它利用fail失配指针（叫别的也一样），来寻找一个其它模式串的前缀与当前模式串的后缀相等。 （比起后缀自动机没有就自己建一条的直接而言，AC自动机这样指针索引的方式似乎更委婉（但后缀自动机的难度似乎更加“委婉”呢（微笑脸）） 也就是
kmp与ac自动机
caoyang1123的博客
10-19 924
xj比赛做到一道字符串题，结果发现想打个字符串匹配都只会n^2了，又一次忘记了kmp（想必是当初学这玩意心理阴影面积太大了。。），这里再梳理一遍kmp和ac自动机（以便下次再忘了有地方看...）。 kmp： 用于处理对于字符串s，想知道它在另外某个串哪些位置出现的问题，先做预处理得到一个失配数组，这个数组第i位表示s的前i位后缀与前缀相同的最大长度。这个东西可以O（n）求。（当然这里注意不能整...
AC自动机
jiahonghao2002的博客
05-19 171
AC自动机 AC自动机（Aho-Corasick Automaton）作为一种KMP的扩展算法，可以在多个模式串的条件下完成对文本串的匹配。 基本原理 AC自动机的底层数据类型是Tire字典树，底层算法为KMP匹配算法，故阅读此文需要Tire树和KMP算法作为前置知识学习。 AC自动机的核心本质还是自动机，主要构建一个状态转移函数P[u][v]P[u][v]P[u][v]，表示状态uuu读取到字符vvv的下一个状态。 例如，当我们发现G失配之后，我们会进行状态转移，放弃当前模式串匹配，转移到另外一个模式串
AC自动机算法
飘过的小牛
11-23 9万+
AC自动机简介：  首先简要介绍一下AC自动机：Aho-Corasick automation，该算法在1975年产生于贝尔实验室，是著名的多模匹配算法之一。一个常见的例子就是给出n个单词，再给出一段包含m个字符的文章，让你找出有多少个单词在文章里出现过。要搞懂AC自动机，先得有字典树Trie和KMP模式匹配算法的基础知识。KMP算法是单模式串的字符匹配算法，AC自动机是多模式串的字符匹配算法。
AC自动机 算法详解(图解)及模板
热门推荐
bestsort
10-05 11万+
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)
AC自动机——1 Trie树(字典树)介绍
永生只是一场幻梦
10-15 7449
之前，我们介绍了Kmp算法，其实，他就是一种单模式匹配。当要检查一篇文章中是否有某些敏感词，这其实就是多模式匹配的问题。当然你也可以用KMP算法求出，那么它的时间复杂度为O(c*(m+n))，c：为模式串的个数。m：为模式串的长度,n:为正文的长度，那么这个复杂度就不再是线性了，我们学算法就是希望能把要解决的问题优化到极致，这不，AC自动机就派上用场了。
AC 自动机是运用了KMP匹配算法吗？
最新发布
09-25
### 回答1： AC自动机并没有直接使用KMP匹配算法，但是AC自动机的核心思想可以说是在KMP...综上所述，AC 自动机并没有直接使用 KMP 算法，但在构造和搜索过程中使用了类似的思想，更加高效地解决了多模式串匹配问题。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值