字符串匹配算法4：AC算法（1）理解

1. 背景（问题的提出）

假设您有一个文本包括 n个单词words 和 大量关键字 有m 个关键字keywords，请问你如何快速找到所有关键字？
首先想到的是简单的暴力匹配，两个for循环遍历查找
即如下所示：

//遍历所有单词 n个 words
//遍历所有关键字 m个 keywords
for(int i =0; i < n; i++)
{
	for(int j =0; j < m; j++)
	{
		if(keywords[j] == words[i])
		{
			printf("find keywords[j] %s ",keywords[j]);
		}
	}
}

这样时间复杂度为O(n*m)，是非常缓慢的，
那么：有没有更高效的算法实现呢？

2. AC算法

2.1 AC算法-定义

1975年，贝尔实验室的Alfred Aho和Margaret Corasick发现了一种只扫描一遍文本就能完成这项任务的算法，该算法依据他们的名字命名为Aho-Corasick匹配算法，简称AC算法。

2.2 AC算法-特点

1. 只扫描一遍文本就能完成这项任务的算法
2. 通过有限自动机巧妙地将字符比较转化为状态转移

2. AC算法-时间复杂度

算法的时间复杂度与关键字的数目无关，只跟文本长度有关，
其时间复杂度为O(n)，优于O(n*m)，匹配效率提升m倍。

3. AC算法实现步骤

3.1 两步：

第一步，我们将多个关键字构造成一个有限状态模式匹配机。
第二步，我们将文本字符串作为输入送入模式匹配机进行匹配。

ac自动机本质是一颗带状态的字典树

3.1 构建模式匹配机（三个核心函数）

在构建模式匹配机阶段，AC算法需要建立三个核心函数，分别为

1. 转向函数goto
2. 失效函数failure
3. 输出函数output

4. 例子说明

下面通过关键字{he, she, his, hers}来介绍匹配机构建过程。

4.1 转向函数(g)

1. 定义： 转向函数(g)：
   指的是一种状态之间的转向关系。
2. 公式：
   g(pre, x) = next，状态pre在输入一个字符x后转换为状态next，
3. 例子：
   如 g(1, e) = 2。
4. 问题：
   如果在模式串中不存在这个的转换，如g(5, r)，怎么办呢？这个需要由失效函数来处理。

4.2 失效函数(f)

1. 定义：
   指的是在失效情况下状态之间的转向关系
2. 切换根据
   根据模式含有其他模式的前缀自动切换到某个状态
3. 上图说明
   如上图模式串1含有模式串2的前缀，当匹配到a位置时，模式串1匹配失效，则跳转到模式串2进行匹配，而不用回到初始状态（0号状态）重新开始匹配。

4.2.1 she和hers例子

she模式是含有hers模式的前缀he，当在状态5匹配失效时跳转到状态2继续匹配。

4.2.2 递归推导

1. 失效跳转状态可通过递归推导获得：
   f(与状态0直连状态) = 0 //f(1)=f(3)=0
   f(current) = g(f(pre),x) //f(4)=g(f(3),h)=g(0,h)=1

2. 举例说明：
   比如g(5, r)=fail，g(5, r)=g(f(5),r)，f(5)=g(f(4),e)=g(g(f(3),h),e)
   状态3对应字符s，没有其他模式的前缀，切换到状态0，即f(3)=0
   所以：
   f(5)=g(f(4),e)=g(g(f(3),h),e)=g(g(0,h),e)=g(1,e)=2，
   g(5, r)=g(f(5),r)=g(2,r)=8

4.2.3 {he, she, his, hers}的失效函数

状态转移图的失效函数转移函数：

 i 	1 2 3 4 5 6 7 8 9 
f(i)0 0 0 1 2 0 3 0 3

转移图如下所示：

4.3 输出函数(output)

1. 定义
   输出函数： 指的是状态和模式串之间的一种关系。

2. 说明： output(i)={P}，表示当状态机达到状态i时，模式串P中的所有模式串已经完成匹配。比如达到状态5，则模式串she和he匹配成功。

3. 输出函数如下图所示：

   i output(i)
   2 {he}
   5 {she,he}
   7 {his}
   9 {hers}

4.4 完整模式匹配机（图示）

5. 匹配例子（hisshers）

1. 假设待匹配文本为"hisshers"
2. 那么状态转移为：
   0->1->6-> 7->3 -> 0->3 ->4-> 5->2 ->8->9，文本仅扫描了一遍，依次输出结果"his"、“she”、“he”、“he”、“hers”。

6. 代码实现

代码实现请看第篇博客
字符串匹配算法4：AC算法（2）代码实现
https://blog.csdn.net/lqy971966/article/details/106359472

参考

https://mp.weixin.qq.com/s/YPD7FtVmtMysQXSetZdbOQ