浅谈
AC自动机是啥?
是一个能够让你自动AC的算法
哦,不,是一个关于字符串匹配的算法
提到字符串匹配,大家应该都会想到KMP(既然来学AC自动机了,应该没有不知道的吧),如果你听说过KMP,你应该对一个模式串匹配一个文本串的问题了如指掌
不过,对于多个模式串,好多好多个模式串呢?
你也许会想到对每个模式串都KMP一遍,但直觉告诉你,这样是不可能AC的。于是,AC自动机就派上用场了
当然,要学习AC自动机,你还需要掌握一种数据结构——Trie树
整个AC自动机分三步:建树与插入、构建fail边和匹配查询,下面将分别讲述
建树与插入
这个就是Trie树的基本操作啦,上个代码就好,复习一下:
void insert(char s[]){
int len=strlen(s+1),p=0;
for(int i=1;i<=len;i++)
{
char c=s[i]-'a';
if(!trie[p].son[c])
trie[p].son[c]=++tot;
p=trie[p].son[c];
}
trie[p].cnt++;
}
我们这里没有用单词末尾的标记end,而加了一个统计单词个数的cnt,是因为题目说:数据内有重复的单词,且重复单词应该计算多次,请各位注意。
构建fail边
这一部分特别特别重要,是整个AC自动机的重点和难点所在
fail边的定义
用例子说话:首先,咱们插入这些模式串,abc,bcd,bd,c
那么下面我们开始匹配啦!从头开始,
a
,
b
,
c
,
…
…
a,b,c,……
a,b,c,……哎呀!没了!
也就是说,到c这一块,失配了。。。根据KMP的思想,我们可以接着找一个有 " b c " "bc" "bc"的地方接过去匹配
那哪里有 " b c " "bc" "bc"呢?哇! " b c d " "bcd" "bcd"这一块刚好有一个!所以我们在把 " a b c " "abc" "abc"匹配完成之后,直接跳到 " b c d " "bcd" "bcd"里的 ′ c ′ 'c' ′c′这个节点,接着匹配就行啦
看到那条漂亮的紫色边没有?这就是传说中的
f
a
i
l
fail
fail边,之所以叫“
f
a
i
l
fail
fail边”,是因为它决定着这个字符串失配后的去向
那问题来了,最右面 " c " "c" "c"这个字符串里也有个c,为啥不和它连成 f a i l fail fail边呢?
原因很简单,公共部分"bc"比公共部分 " c " "c" "c"显然更长,咱们在 K M P KMP KMP里求的不也是最长公共前后缀嘛,也许你已经发现了,这个 f a i l fail fail边的作用,和 K M P KMP KMP中的 n e x t next next数组是一样的!!!
也就是说: f a i l fail fail边指向的就是当前节点所在的字符串的最长后缀的最后一个字符
那你来找一下 " b c d " "bcd" "bcd"中的 ′ d ′ 'd' ′d′的 f a i l fail fail边指向谁呢?——答案当然是 " b d " "bd" "bd"中的 ′ d ′ 'd' ′d′
那么
"
a
b
c
"
"abc"
"abc"中的
"
a
"
"a"
"a"呢?好像没有哎……没有,那就是指向根节点。
掌握了
f
a
i
l
fail
fail边的定义,接下来我们就要开始研究代码咋写了
首先,不难发现,第一层的fail边都是根节点,然后呢?
找 f a i l fail fail边应该这么找:顺着你爸的fail边找上去,如果它指向的节点的孩子的字符和你的字符相等,那它的这个孩子就你要连的 f a i l fail fail边
例子:
- "abc"中的’c’的父节点是"abc"中的’b’
- "abc"中的’b’的fail边是"bcd"中的’b’
- "bcd"中的’b’正好有一个儿子’c’,那"abc"中的’c’就要把 f a i l fail fail边连到那儿
如果你爸没你这个孩子,那该怎么办呢?——没有孩子,咱就给它造一个,把当前的孩子直接变成你爸的fail指针的孩子,直接跳到那里去匹配。
也许你已经发现了,我们找fail边,是一层一层往下找的,所以找fail边的过程,实际上就是一个bfs的过程,需要借助队列来实现。。
void getfail(){
queue<int>q;
for(int i=0;i<26;i++)
{
int c=trie[0].son[i];
if(c)
{
trie[c].fail=0;
q.push(c);
}
}
while(!q.empty())
{
int x=q.front();
q.pop();
int f=trie[x].fail;
for(int i=0;i<26;i++)
{
int c=trie[x].son[i];
if(c)
{
trie[c].fail=trie[f].son[i];
q.push(c);
}
else trie[x].son[i]=trie[f].son[i];
}
}
}
匹配查询
匹配的代码,其实和 t r i e trie trie树的查找差不多,一个一个找下去,找到末尾
但这里有点不同,走到一个字符之后,咱们先去走它的 f a i l fail fail边,走完之后再继续往下找(要不咱大费周章地找 f a i l fail fail边意义何在?)
但要注意的是,题目让我们求有多少个模式串在文本串里出现过,所以出现过加完了 c n t cnt cnt之后,咱们把 c n t cnt cnt变成-1,下次遇到-1,就可以知道这个串已经统计过一遍了,就可以结束跳 f a i l fail fail的过程,去找下一个节点了
int find(char s[]){
int x=0,sum=0,len;
len=strlen(s+1);
for(int i=1;i<=len;i++)
{
int v=s[i]-'a';
int c=trie[x].son[v];
while(c&&trie[c].cnt!=-1)
{
sum+=trie[c].cnt;
trie[c].cnt=-1;
c=trie[c].fail;
}
x=trie[x].son[v];
}
return sum;
}
CODE
#include<iostream>
#include<cstdio>
#include<algorithm>
#include<iomanip>
#include<cstring>
#include<cmath>
#include<map>
#include<queue>
#define ll long long
#define ldb long double
using namespace std;
int n,tot;
char s[1001000];
struct c{
int fail,cnt;
int son[30];
}trie[5001000];
void insert(char s[]){
int len=strlen(s+1),p=0;
for(int i=1;i<=len;i++)
{
char c=s[i]-'a';
if(!trie[p].son[c])
trie[p].son[c]=++tot;
p=trie[p].son[c];
}
trie[p].cnt++;
}
void getfail(){
queue<int>q;
for(int i=0;i<26;i++)
{
int c=trie[0].son[i];
if(c)
{
trie[c].fail=0;
q.push(c);
}
}
while(!q.empty())
{
int x=q.front();
q.pop();
int f=trie[x].fail;
for(int i=0;i<26;i++)
{
int c=trie[x].son[i];
if(c)
{
trie[c].fail=trie[f].son[i];
q.push(c);
}
else trie[x].son[i]=trie[f].son[i];
}
}
}
int find(char s[]){
int x=0,sum=0,len;
len=strlen(s+1);
for(int i=1;i<=len;i++)
{
int v=s[i]-'a';
int c=trie[x].son[v];
while(c&&trie[c].cnt!=-1)
{
sum+=trie[c].cnt;
trie[c].cnt=-1;
c=trie[c].fail;
}
x=trie[x].son[v];
}
return sum;
}
int main(){
scanf("%d",&n);
for(int i=1;i<=n;i++)
{
scanf("%s",s+1);
insert(s);
}
getfail();
scanf("%s",s+1);
printf("%d",find(s));
}