ac自动机

1. 前言

AC自动机：Aho-Corasick automation，是一种多模式匹配算法。
它是在模式树（字典树）Trie和KMP模式匹配算法的基础上进行的。其中，KMP算法是单模式串的字符匹配算法（依次遍历每个元素进行比较的朴素匹配算法+借助于next指针实现）。

2. ac自动机

主要包括三个过程：
（1）建立字典树
（2）构建字典树的每个结点的fail指针
（3）查找过程

比如有模式：“hers”、“his”、“she”、“he”，和匹配的文本"ushers"，首先利用上面的4个模式依次：建立字典树、构建每个结点的fail指针、查找文本"ushers"中匹配到的结果。结果如下：[2:3=he, 1:3=she, 2:5=hers]，其中文本"ushers"的第2到第3位置匹配到模式"he"，其他类似。

（1）建立字典树

结点表示状态，边表示转态转移的条件，$s_0$是根结点，小矩形表示当前结点是某个模式的终结结点，这些模式：“hers”、“his”、“she”、"he"如上图所示。

（2）构建字典树的每个结点的fail指针

fail指针的构建规则是：按照树的层次访问每个结点（借助队列可实现），根结点$s_0$表示树的第0层，这里虚线表示：当前结点的fail的指向。比如，结点$s_1$的fail为$s_0$（第1层的结点的fail都指向根结点）。如下图所示（构建了部分结点的fail指针）

结点$s_i$的构建过程，先是找到它的父结点，然后沿着父结点的fail依次进行，假设到达结点$s_i$的转态转移条件是$x$，这看看该结点的父结点的fail结点加上转移条件$x$后能否到达一个新的结点$s_{new}$，如果可以到达，该结点$s_i$的fail则指向新结点$s_{new}$；假如该结点的父结点的fail结点加上转移条件$x$后不能指向新结点，则沿着$s_i$.parentNode.failNode的fail的指向继续走下去，当遇到根结点$s_0$时候，加上转移条件$x$依然还不能指向新结点，则该结点的fail就指向根结点$s_0$。

以结点$s_5$的fail构建为例有：到达结点$s_5$的转态转移条件是$i$，结点$s_5$的父结点是结点$s_1$，结点$s_5$的父结点$s_1$的fail结点是$s_0$，$s_0$加上转态转移条件$i$不能指向新结点，而此时$s_0$已经是根结点，所以结点$s_5$的fail指向根结点$s_0$。

以结点$s_8$的fail构建为例有：到达结点$s_8$的转态转移条件是$h$，结点$s_8$的父结点是结点$s_7$，结点$s_8$的父结点$s_7$的fail结点是$s_0$，$s_0$加上转态转移条件$h$能指向新结点$s_1$，所以结点$s_8$的fail指向新结点$s_1$。

以结点$s_9$的fail构建为例有：到达结点$s_9$的转态转移条件是$e$，结点$s_9$的父结点是结点$s_8$，结点$s_9$的父结点$s_8$的fail结点是$s_1$，$s_1$加上转态转移条件$e$能指向新结点$s_2$，所以结点$s_9$的fail指向新结点$s_2$。

（3）查找过程

以待匹配的文本"ushers"为例：

如上图所示，从根结点$s_0$开始查找，输入状态转移条件$u$，无法到达新的结点，所以还是在状态$s_0$处接收下一个状态$s$，此时到达新结点$s_7$，以此类推…

其中，虚线表示要经过fail指针进行查找，即在结点$s_9$处，加上状态$r$，无法到达新结点，则沿着fail指针查找下去(如果fail指针是根结点，加上状态$r$依然不能到达新结点，则停止查找)，结点$s_9$的fail指向结点$s_2$，结点$s_2$加上状态$r$能到达结点$s_3$，以此类推…

注意：上图在某些结点处标识模式的结束（在构建字典树时候），当待匹配的文本遇到这些结点的时候，便可以保存当前匹配到的结果，做法如下：以遇到结点$s_9$为例，此时的状态$e$对于"ushers"来说，index(‘e’)=3，而保存的模式"she"长度为3，由结束index=3计算出开始index=3-len(“she”)+1=1，即在文本"ushers"中，[1:3=she]，以此类推…最终的结果有：[2:3=he, 1:3=she, 2:5=hers]

参考
https://github.com/robert-bor/aho-corasick（java版代码）
https://pypi.org/project/pyahocorasick/（python库）