字符串匹配——有限自动机

参考文献：算法导论

有限自动机包含一个五元组(Q, q0, A, ∑, δ)

Q表示状态有限集

q0为初始状态（q0 ∈Q）

A表示接受状态的集合（A 是Q的子集）

∑是输入字母表

δ是状态转移函数

*对于终态函数我还不是很理解，希望大家不吝赐教

算法导论上有一个例子

P = ababaca

那么转换成五元组是

Q = {

0:, （表示第1个字符不符合）

1:|a, （表示前1个字母符合）

2:a|b, （表示前2个字母符合）

3:ab|a, （表示前3个字母符合）

4:aba|b, 

5:abab|a, 

6:ababa|c, 

7:ababac|a

}

q0 = 0:（注：0状态什么都没有）

A = {7:ababaca}

∑ = {a,b,c}

δ

我们可以画一个状态变换图

状态     | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7

         a  | 1 | 1 | 3 | 1 | 5 | 1 | 7 | 1

输入 b  | 0 | 2 | 0 | 4 | 0 | 4 | 0 | 2

         c  | 0 | 0 | 0 | 0 | 0 | 6 | 0 | 0

这个状态转换表告诉我们

0状态输入一个a变成1状态

1状态输入一个a还是1状态（即aa中第二个a任然处于1状态），输入一个b在进入2状态（此时序列为ab）

2状态输入一个a进入3状态（此时序列为aba），输入一个b进入0状态（此时序列为abb，不符合状态3，并且最后一个字母为b，也不符合状态1）

以此类推

也就是说对于任意一个字符串，我们只要知道其模式串的状态转换图，也就可以通过当前状态和输入确定下一状态，也就是说我们可以知道有多少个字符符合模式前缀，那么我们仅遍历一遍字符串，则可以找出匹配的模式串

例如

T[i] = a  b  a  b  a  b  a  c  a  b  a

状态     0  1  2  3  4  5  4  5  6  7  2  3

那么有限自动机的关键就是计算模式串的状态转移函数（在此之前，需要先计算模式串的输入字母表）

COMPUTE_TRANSITION_FUNCTION(P, ∑)

  m <- lenght[P]

      for q <- 0 to m

          do for each character a ∈ ∑

              do k <- min( m+1, q+2)

                   repeat k <- k-1

                       until Pk

δ(q, a) <- k

  return δ

（上面算法格式一致有问题，如果大家有兴趣可以直接参考算法导论）