在模式匹配算法中,如果模式串比较少,用KMP算法。对于多模板匹配,因为每一次查找一个模板,都要遍历整个长文本,故KMP不适用。用KMP+字典树的AC自动机,把所有的模板建立失配状态转移图。AC自动机适用于长文本的多模板匹配问题。
#include<bits/stdc++.h>
using namespace std;
const int maxnode=11000;//最长模板串的长度
const int sigma_size=26;
struct AC_Automata
{
int ch[maxnode][sigma_size];//ch[i][j]:字典树第i层第j个节点的编号
int val[maxnode];//每个字符串的结尾结点都有一个非0的val,插入单词的编号
int f[maxnode];//fail函数
int last[maxnode];//last[i]=j表j节点表示的单词是i节点单词的后缀,且j节点是单词节点。节点i沿着失配指针往回走,遇到的下一个单词节点的编号
int sz;
//初始化0号根节点的相关信息
void init()
{
sz=1;
memset(ch[0],0,sizeof(ch[0]));
val[0]=0;
}
//insert负责构造ch与val数组,字典树构造
//插入字符串,v必须非0表示一个单词节点
void Insert(char *s,int v)
{
int n=strlen(s),u=0;
for(int i=0; i<n; i++)
{
int id=s[i]-'a';
if(ch[u][id]==0)
{
ch[u][id]=sz;
memset(ch[sz],0,sizeof(ch[sz]));
val[sz++]=0;
}
u=ch[u][id];
}
val[u]=v;
}
//getFail函数负责构造f和last数组
void getFail()
{
queue<int> q;
last[0]=f[0]=0;
for(int i=0; i<sigma_size; i++)//初始化
{
int u=ch[0][i];
if(u)
{
f[u]=last[u]=0;
q.push(u);
}
}
//每搜一层,求当前节点的失配指针
//r:当前拿出队列的节点,u:当前节点的子节点,v:当前节点的失配节点
while(!q.empty())//按BFS顺序计算fail
{
int r=q.front(); q.pop();
for(int i=0; i<sigma_size; i++)
{
int u=ch[r][i];
if(u==0)continue;
q.push(u);
int v=f[r];
while(v && ch[v][i]==0) v=f[v];//出现失配
f[u]=ch[v][i];//子节点的失配指针
last[u]=val[f[u]]?f[u]:last[f[u]];//失配节点是否为单词节点,如果是,记录;如果不是,继续沿着失配边找。
}
}
}
//递归打印与结点i后缀相同的前缀节点编号
//进入此函数前需保证val[i]>0
void print(int i)
{
if(i)
{
printf("%d\n",i);//输出长串包含的模板串编号
print(last[i]);//沿着失配边找是否存在其他模板串包含在长串中
}
}
//在s中找出 出现了哪几个模板单词
void Find(char *s)
{
int n=strlen(s),j=0;
for(int i=0; i<n; i++)
{
int id=s[i]-'a';
while(j && ch[j][id]==0) j=f[j];
j=ch[j][id];
if(val[j]) print(j);//j为单词节点
else if(last[j]) print(last[j]);//j不为单词节点,但沿着失配边找到的节点为单词节点,即以当前匹配的后缀为前缀的单词。
}
}
};
AC_Automata ac;
改进,可以在失配过程中将不存在的边也连上
if(!u) continue;
改为
if(!u){ch[r][c]=ch[f[r]][c];continue;}
则Find函数中的
while(j && ch[j][id]==0) j=f[j];
可以删除。