AC自动机（Aho-Corasick automaton）

AC自动机，说白了还是一种处理字符串的数据结构。

 

在建立的trie树的基础上，用kmp。  达到快速匹配的目的。一个最简单的应用，就是给定一些单词，然后给定一段文本，求这些单词中有多少个在这段文本中出现过。

 

看到网上一堆都是hdu2222的解题报告，我也结合此题说说自己对AC自动机的理解吧

 

题目链接：http://acm.hdu.edu.cn/showproblem.php?pid=2222  就是AC自动机最基本的应用。

 

 

 

因为AC自动机是建立在字典树的基础上的，所以首先要建立trie

 

这是节点的结构：

 

struct node { int fail; int count; int nxt[26]; void init() { count = 0; memset(nxt,-1,sizeof(nxt)); } } num[500010]; 

 

建立字典树fail  属性是不需要的  ，fail是为了后面的在trie上执行kmp而设的。  

count是用来统计该单词出现的次数。

init()用来初始化。    nxt值为-1则表示无后续节点

 

先建trie结构，注意，是用所给单词建立字典树，要不然也不会叫字典树了:-)

代码如下：

因为我是用数组静态模拟trie  ，所以len用来表示总共用了多少个num元素，即用了多少个node节点。

int len; void insert(char *str) { int i =0; int p =0; while(str[i]) { int ind = str[i]-'a'; if(num[p].nxt[ind]==-1) { num[p].nxt[ind] = ++len; num[len].init(); } p = num[p].nxt[ind]; ++i; } ++num[p].count; }  

 

 

建立的trie如下：

 

 

（不是很会用绘图软件，尤其是在linux下，随手画的。。。）

 

接下来就是在已经建立的字典树上执行kmp了

 

 

 

 

---

可以回想一下 ，kmp算法中next函数记录的是什么：

 

  比如对字符串  ababababca

 

   i        1  2  3  4  5  6  7  8  9  10

 p[i]     a  b  a  b   a  b  a  b  c  a

next[i] 0  0  1  2   3  4  5  6  0  1

 

假设有一段文本     。。。。。。ababab  c。。。。。

                                                         ababab  abca

到c字符，发现不匹配了，然后移动模式串

 

                                 。。。。。。ababab  c。。。。。

                                                              abab  ababca

 

我们想让位移为可能的合法位移的话，我们就必须保证  文本串  的ababab部分的真后缀  abab和  模式串的前缀  abab(ababca)相等，而这个前缀越长越好。    而我们又发现，模式串的  ababab部分在前一刻是和文本串相匹配的，  所以文本串ababab 部分的真后缀就是模式串ababab部分的真后缀。    就上述情况而言，   abab是为pat串 ababab这一部分真后缀的最长前缀

 

所以next 函数就是预处理模式串，求为模式串某一段真后缀的最长前缀。

 

---

以上只是回忆一下kmp算法部分。

 

现在我们要在trie上执行kmp   

 

由于文本路线不止一条，而我们执行kmp的目的，也是为了最后的文本匹配服务的。  所以我们记录的next位置（即fail） ，就是为某一段字串真后缀的另一段字串的前缀。

 

现在说着个或许不大好理解，看看执行过程再慢慢体会就好了。

 

这是建立AC自动机部分的代码，即是执行kmp的算法：

这里需要对已经建立的字典树，逐层遍历，所以需要借助队列。

 

void buildAC() { int i; queue<int> cq; for(i=0; i<26; ++i) if(num[0].nxt[i]!=-1) { num[num[0].nxt[i]].fail = 0; cq.push(num[0].nxt[i]); } int p; while(!cq.empty()) { p = cq.front(); cq.pop(); for(i=0; i<26; ++i) if(num[p].nxt[i]!=-1) { cq.push(num[p].nxt[i]); int tmp = num[p].fail; while(tmp>0&&num[tmp].nxt[i]==-1) tmp = num[tmp].fail; if(num[tmp].nxt[i]!=-1) num[num[p].nxt[i]].fail = num[tmp].nxt[i]; else num[num[p].nxt[i]].fail = 0; } } return; } 

 

首先第一个for语句是初始话的作用，类似kmp的初始化，即把第一个字符的next函数，指向其前一个节点。

这里root中没有字符，root的孩子都是不同分支中的第一个节点，所以root的孩子的fail值都指向root

 

执行完后就是这个样子：

 

 

接下来就是逐层为每个节点求出fail的位置

 

全部求完以后就是这种样子：

 

这样，kmp部分就已经完成了。

 

 

接下来就是，给定文本进行匹配了：

 

int query(char *str) { int ret(0); int i = 0; int p = 0; while(str[i]) { int ind = str[i]-'a'; while(p>0&&num[p].nxt[ind]==-1) p = num[p].fail; if(num[p].nxt[ind]!=-1) p = num[p].nxt[ind]; else p = 0; int tmp = p; while(tmp!=0&&num[tmp].count!=-1) { ret+=num[tmp].count; num[tmp].count = -1; tmp = num[tmp].fail; } ++i; } return ret; } 

 

匹配部分就比较简单了，p就是当前的匹配位置，如果对于  某个p  如果num[p].nxt[ind]!=-1 （ind = str[i]-'a'）则说明，p的子节点中有和str[i],相匹配的。   否则，p = num[p].fail  知道p为root  （即 0）为止。

和普通kmp的匹配部分完全一样。

 

 

三个函数结合，即构成了AC自动机

这是hdu2222  的代码：

 

#include <iostream> #include <cstdio> #include <cstdlib> #include <cstring> #include <queue> using namespace std; struct node { int fail; int count; int nxt[26]; void init() { count = 0; memset(nxt,-1,sizeof(nxt)); } } num[500010]; int len; void insert(char *str) { int i =0; int p =0; while(str[i]) { int ind = str[i]-'a'; if(num[p].nxt[ind]==-1) { num[p].nxt[ind] = ++len; num[len].init(); } p = num[p].nxt[ind]; ++i; } ++num[p].count; } void buildAC() { int i; queue<int> cq; for(i=0; i<26; ++i) if(num[0].nxt[i]!=-1) { num[num[0].nxt[i]].fail = 0; cq.push(num[0].nxt[i]); } int p; while(!cq.empty()) { p = cq.front(); cq.pop(); for(i=0; i<26; ++i) if(num[p].nxt[i]!=-1) { cq.push(num[p].nxt[i]); int tmp = num[p].fail; while(tmp>0&&num[tmp].nxt[i]==-1) tmp = num[tmp].fail; if(num[tmp].nxt[i]!=-1) num[num[p].nxt[i]].fail = num[tmp].nxt[i]; else num[num[p].nxt[i]].fail = 0; } } return; } int query(char *str) { int ret(0); int i = 0; int p = 0; while(str[i]) { int ind = str[i]-'a'; while(p>0&&num[p].nxt[ind]==-1) p = num[p].fail; if(num[p].nxt[ind]!=-1) p = num[p].nxt[ind]; else p = 0; int tmp = p; while(tmp!=0&&num[tmp].count!=-1) { ret+=num[tmp].count; num[tmp].count = -1; tmp = num[tmp].fail; } ++i; } return ret; } char str[60]; char text[1000010]; int main() { int T; scanf("%d",&T); while(T--) { int n; scanf("%d",&n); num[0].init(); len = 0; while(n--) { scanf("%s",str); insert(str); } buildAC(); scanf("%s",text); printf("%d/n",query(text)); } return 0; }