C++学习第九篇——AC自动机

AC自动机，听名字就让人心情愉悦，这个算法能让题目直接自己AC啊！！！
言归正传，在上一篇字典树的学习中，我们见识到了树形结构的优势，那么AC自动机就是在字典树上利用KMP的思想，KMP是字符串匹配算法。主要思想是当前匹配点失败后，立刻转移到下一个需要匹配的地方，在这之间省略一些没有必要的检索，有利于降低时间复杂度。
字典树的模板参照我之前一篇博客C++学习第八篇——字典树，本专栏c++固定算法为主，便于学习，不定时穿插发布。
先解释原理然后再上代码进行分析讲解，
首先，举一个例子，我利用her、he、shr、say、she这五个单词建立了一个字典树。然后给出字符串yasherhs，需要求出上述单词出现的个数。
按照常规思路来看我们每找到一个符合条件的就需要到字典里去找，然后再接着找下一个字母开头的，对于有着相同开头的单词来说，这无疑大大增加了时间复杂度。利用KMP思想来看，如果我把相同的前缀进行标注，那么我回溯的过程就很方便了，不需要遍历相同的前缀即可完成。

AC自动机具体步骤如下：

• 建字典树
  给出建树代码
  与普通字典树相比，略有改动,补充了注释

struct node
{
	char *s;
	int prefix;
	bool isword;//可省略，利用count代替
	node *next[26];
	node *fail; //fail指针 
	int count;//标记单词个数，如果出现单词重复需使用count代替isword
	node()
	{
		s = NULL;
		fail = NULL;//初始化为空 
		prefix = 0;
		count = 0;//单词数0
		isword = false;
		memset(next,0,sizeof(next));
	}
}*root;
void insert(node *root,char *s)//插入单词
{
	node *p = root;
	for(int i=0;s[i];i++)
	{
		int x = s[i] - 'a';
		p->s=s+i;
		if(p->next[x] == NULL)
			p->next[x] = new node;
		p = p->next[x];
		p->prefix++; 
	}
	p->isword=true;//可省略
	p->count++;//唯一改动，单词数+1
}

接下来图示

黑色的结点表示，这是一个单词的末端。我们发现，当我们寻找she之后的匹配时其实和he的匹配很相似，为了避免再次对he的搜索，那么可不可以将she的e直接指向he中的e呢？

• 创建fail指针
  这里就是我们接下来要提到的fail指针，利用它我们可以直接找到和我们接下来相匹配的单词。
  大致指向如下，通过bfs搜索来层序遍历我们的结点构建fail指针
  
  层序遍历如下：root->h->s->e->a->h->r->y->e->r
  root的fail很明显示NULL，那么所有root的next结点肯定没有更好的匹配，都是指回上一级root，接下来e，找e的时候肯定是通过h来寻找的，那么e的fail指针就是通过h（它的父节点）的fail指针来寻找，很明显h的fail指针下没有与e结点，也就是没有满足以e开头的单词，那么e的fail就也指向root结点。a同理，这时候到了另一个h，它与之前的e不一样的是，它父节点（s）的fail指针（root）下有h结点，也就是说当我匹配到这个h的时候如果无法继续往下，我可以向fail指针进行匹配，一旦匹配成功继续往下。r和y与父节点e同理，没有匹配的，指向root。
  最后很关键，这个第二个e是如何操作的呢？当我找到这个e的时候，同样我是通过父节点h去找到的，那么是否有和h匹配的呢，我们来询问一下h的fail指针，它会带我们指向最左侧的h，询问一下这个h有没有和我们e相同的呢，，刚好它下面同样有e那么好了，he同时完成匹配，此时e的fail指针指向最左侧的e，表示匹配。举例，如果我寻找sher的时候，我会发现she之后匹配不下去了，那么回溯的路径就是fail，我走到he的下面，he是一个单词，her又是一个单词，很快完成了匹配。r的过程和之后的搜索类似，请继续往后看下去。
  最后给出代码和注释

void buildfail(node *root)//用来建立fail指针，利用bfs进行层序遍历
{
	root->fail = NULL;//根结点的fail指针为空
	queue<struct node*> q;
	q.push(root);//放入根结点
	while(!q.empty())
	{
		node * p =q.front();q.pop();
		node * f ;
		for(int i=0;i<26;i++)//遍历next数组
		{
			if(p->next[i]!=NULL)//存在分枝结点
			{
				if(p == root)//如果是根结点，那么它分枝的fail必然指向自己
				{
					p->next[i]->fail=root;
				}
				else
				{
					f = p -> fail;//如果不是，那么找到它父节点fail，用f来存
					while(f!=NULL)//直到f指向root的fail
					{
						if(f->next[i]!=NULL)//判断fail的分枝是否出现与我当前相同的next分枝
						{
							p->next[i]->fail=f->next[i];//出现后，将我当前结点搜索到的next
							//的fail结点赋值为fail的分枝，表明匹配成功，可以从这里回溯
							break;
						}
						f=f->fail;//匹配不成功继续往fail指针处寻找
//举例，shr匹配hr再匹配r，直到r可以匹配上，否则从root开始，重新匹配
					}
					if(f==NULL)//当前fail为空了，那么说明已经指向root的fail了，将当前结点fail指向root，意为重新开始吧
					{
						p->next[i]->fail=root;
					}
				}
				q.push(p->next[i]);//层序遍历，添加结点
			}
		}
	}
}

• 搜索字符串

void search(node *root,char *s)
{
	node *p=root;
	int ans = 0;
	for(int i=0;s[i];i++)//遍历字符串
	{
		int x=s[i]-'a';//将字母转化为下标
		while(p->next[x]==NULL&&p!=root)//如果我指向为空，也就是无法完成匹配，那么进行回溯，指向我的fail
		{
			p = p->fail;
		}
		p = p->next[x];
		if(p==NULL)//这里是root指向了一个不存在的分枝，那么它还是root好了
		{
			p = root; 
		} 
		node * tem = p;//利用tem来完成对单词数的遍历
		while(tem!=root&&tem->count!=-1)//如果此时tem是一个单词那么count肯定不为-1
		{
			ans+=(tem->count);//ans+单词数，这里要注意添加括号比较好
			tem -> count = -1;//标记，表示已访问过
			tem = tem->fail;//回溯寻找与该分枝相匹配的是否有单词，如果存在，回溯
		}
	}
	printf("%d\n",ans);
}

拿先前的yasherhs来举例，开始是root结点，我们找到y，root的next里y结点是NULL，那么跳过，找到a同样，找到s匹配到root下的s结点，并不是单词，那么不加。此时我用来存储当前位置的p指针指向s，继续找到h，完成匹配同样不是单词，没有加，p指向h。接着e，它是一个单词，那么ans+=count，count也就是单词数。将count变为-1，意为我到过这里了，这里没有单词了，同时p指向e，接着进行fail回溯，寻找匹配项是否存在单词，tem回指向最左侧的e，ans+1。然后此时找到r，我们发现当前p的下面没有r，进行回溯，p前往p的fail指针处，也就是最左侧的e，从这里开始，同时往下匹配，her也是单词，ans+=count，结束后这里的p指向r。继续寻找h，此时p（也就是r）的下面没有h，那么前往它的fail指针处寻找，root下面同样没有，p指向root，ans不加，然后单独找到一个s，也并不是一个单词，完成匹配。
第一个while循环使p指针回溯，一旦不匹配寻找最接近匹配项的位置。
第二个while循环temp回溯，寻找匹配项的单词数she中的e指向he中的e，逐级回指，找寻所有匹配项。
学会了的话，就点个赞吧！=-=