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。
1.多模式匹配。
例如:求出模式集合{“nihao”,”hao”,”hs”,”hsr”}在给本”sdmfhsgnshejfgnihaofhsrnihao”中所有可能出现的位置。
2.Aho-Corasick算法
使用Aho-Corasick算法需要三步:
1.建立模式的Trie。
2.给Trie添加失败路径。
3.根据AC自动机,搜索待处理的文本。
下面说明这三步:
2.1建立多模式集合的Trie树
Trie树也是一种自动机。对于多模式集合{“say”,”she”,”shr”,”he”,”her”},对应的Trie树如下:
2.2为多模式集合的Trie树添加失败路径,建立AC自动机
构造失败指针的过程概括起来就一句话:设这个节点上的字母为C,沿着他父亲的失败指针走,直到走到一个节点,他的儿子中也有字母为C的节点。然后把当前节点的失败指针指向那个字母也为C的儿子。如果一直走到了root都没找到,那就把失败指针指向root。
2.3根据AC自动机,搜索待处理的文本
构造好Trie和失败指针后,我们就可以对主串进行扫描了。这个过程和KMP算法很类似,但是也有一定的区别,主要是因为AC自动机处理的是多串模式,需要防止遗漏某个单词,所以引入temp指针。
匹配过程分两种情况:(1)当前字符匹配,表示从当前节点沿着树边有一条路径可以到达目标字符,此时只需沿该路径走向下一个节点继续匹配即可,目标字符串指针移向下个字符继续匹配;(2)当前字符不匹配,则去当前节点失败指针所指向的字符继续匹配,匹配过程随着指针指向root结束。重复这2个过程中的任意一个,直到模式串走到结尾为止。
对照上图,看一下模式匹配这个详细的流程,其中模式串为yasherhs。对于i=0,1。Trie中没有对应的路径,故不做任何操作;i=2,3,4时,指针p走到左下节点e。因为节点e的count信息为1,所以cnt+1,并且讲节点e的count值设置为0,表示改单词已经出现过了,防止重复计数,最后temp指向e节点的失败指针所指向的节点继续查找,以此类推,最后temp指向root,退出while循环,这个过程中count增加了2。表示找到了2个单词she和he。当i=5时,程序进入第5行,p指向其失败指针的节点,也就是右边那个e节点,随后在第6行指向r节点,r节点的count值为1,从而count+1,循环直到temp指向root为止。最后i=6,7时,找不到任何匹配,匹配过程结束。
AC自动机的源代码
1.数据结构
typedef struct Tnode
{
int count; //每个单词的最后一个字母的coount!=0代表有几个这样的单词
char ch;
struct Tnode* fail; // 该节点的fail指针用于扫描
struct Tnode* next[26]; //记录该节点的下一个字母的节点
struct Tnode* parent; //记录该节点的父节点 在构建fail指针时用到
}TrilNode,*TrilTree;
2.对每个节点的fail域赋值。赋值采用BFS来进行。其中root的fail指针赋为NULL。root的parent指针也赋为root。其他没有找到匹配的节点时将其赋为root.
void buildFail(TrilTree root)
{
queue<TrilTree> Q;
TrilNode* t=NULL;
Q.push(root);
while(!Q.empty())
{
TrilNode* node=Q.front();
t=node->parent;
while(t->fail!=NULL) //给node节点的fail赋值
{
if(t->fail->next[node->ch-'a']!=NULL)
{
node->fail=t->fail->next[node->ch-'a'];
break;
}
else
t=t->fail;
}
if(t->fail==NULL&&node!=root)
node->fail=root;
for(int i=0;i<26;i++)
{
if(node->next[i]!=NULL)
Q.push(node->next[i]);
}
Q.pop();
}
}
3.对目标串进行扫描。
int searchAC(string s,TrilTree root)
{
int len=s.size();
int num=0;
TrilNode* q=NULL;
TrilNode* p=root;
for(int i=0;i<len;i++)
{
if(p->next[s[i]-'a']==NULL)
{
while(p->fail!=NULL)
{
p=p->fail;
if(p->next[s[i]-'a']!=NULL)
{
p=p->next[s[i]-'a'];
break;
}
}
if(p==root)
{
continue;
}
}
else
{
p=p->next[s[i]-'a'];
}
if(p->count!=0)
{
num+=p->count;
p->count=0;
q=p->fail;
while(q!=NULL)
{
if(q->count!=0)
{
num+=q->count;
q->count=0;
}
q=q->fail;
}
}
}
return num;
}
最终代码只要在main函数里面分别根据函数的格式进行调用即可。完整代码如下:
#include <iostream>
#include<string>
#include<cstdlib>
#include<queue>
using namespace std;
typedef struct Tnode
{
int count; //每个单词的最后一个字母的coount!=0代表有几个这样的单词
char ch;
struct Tnode* fail; // 该节点的fail指针用于扫描
struct Tnode* next[26]; //记录该节点的下一个字母的节点
struct Tnode* parent; //记录该节点的父节点 在构建fail指针时用到
}TrilNode,*TrilTree;
void buildTril(string s,TrilTree root)
{
TrilNode*p=root;
int len=s.size();
for(int i=0;i<len;i++)
{
if(p->next[s[i]-'a']==NULL)
{
TrilNode* node=(TrilNode*)malloc(sizeof(TrilNode));
for(int i=0;i<26;i++)
node->next[i]=NULL;
node->count=0;
node->next[s[i]-'a']=NULL;
node->parent=p;
node->ch=s[i];
p->next[s[i]-'a']=node;
}
p=p->next[s[i]-'a'];
}
p->count++;
}
void buildFail(TrilTree root)
{
queue<TrilTree> Q;
TrilNode* t=NULL;
Q.push(root);
while(!Q.empty())
{
TrilNode* node=Q.front();
t=node->parent;
while(t->fail!=NULL) //给node节点的fail赋值
{
if(t->fail->next[node->ch-'a']!=NULL)
{
node->fail=t->fail->next[node->ch-'a'];
break;
}
else
t=t->fail;
}
if(t->fail==NULL&&node!=root)
node->fail=root;
for(int i=0;i<26;i++)
{
if(node->next[i]!=NULL)
Q.push(node->next[i]);
}
Q.pop();
}
}
int searchAC(string s,TrilTree root)
{
int len=s.size();
int num=0;
TrilNode* q=NULL;
TrilNode* p=root;
for(int i=0;i<len;i++)
{
if(p->next[s[i]-'a']==NULL)
{
while(p->fail!=NULL)
{
p=p->fail;
if(p->next[s[i]-'a']!=NULL)
{
p=p->next[s[i]-'a'];
break;
}
}
if(p==root)
{
continue;
}
}
else
{
p=p->next[s[i]-'a'];
}
if(p->count!=0)
{
num+=p->count;
p->count=0;
q=p->fail;
while(q!=NULL)
{
if(q->count!=0)
{
num+=q->count;
q->count=0;
}
q=q->fail;
}
}
}
return num;
}
int main()
{
int m,n,Num;
string s,t;
TrilNode* node=NULL;
TrilTree root;
root=(TrilTree)malloc(sizeof(TrilNode));
root->count=0;
root->fail=NULL;
root->parent=root;
root->ch='#';
for(int i=0;i<26;i++)
root->next[i]=NULL;
cin>>m;
while(m--)
{
cin>>n;
for(int i=0;i<n;i++)
{
cin>>s;
buildTril(s,root);
}
cin>>t;
buildFail(root);
Num=searchAC(t,root);
cout<<Num;
}
return 0;
}