ac自动机其实是吧 kmp 扩展为了 数的形式：
区别：
1.kmp：判断原串中，求一个单词是否出现过，以及出现次数，出现位置的查找-- O(n)
2.求解 每一个单词出现次数 --O(n)
实在AC自动机就是在一个 trie上求一个next数组：
定义： ne[i]， 所有以i 结尾的最长非平凡后缀 相等的前缀 尾端点位置,也就是当前单词的后缀可以匹配的最长前缀，也即 与当前匹配的字串最大后缀相同的前缀位置，来进行下一次匹配
AC自动机其实是类比kmp在一维数组求next 的操作，在树上实现，树的每层遍历依赖bfs实现
他本质上是对trie 的kmp
为什么要求next数组：
当我们在字典树上进行一次匹配，匹配成功 or失败的时候，我们的当前位置定位到比较下面的节点，按照暴力思想我们回退到根节点重新匹配，效率过低
so我们需要像kmp一样求next数组，当发生匹配失败or匹配完成的时候，我们利用nexr数组回退到一个最合适的位置--next数组也叫失配指针 -fail
含义为：如果一个点ii的FailFail指针指向jj。那么rootroot到jj的字符串是rootroot到ii的字符串的一个后缀。（参考大佬博客：AC自动机 - hyfhaha 的博客 - 洛谷博客 (luogu.com.cn)）
比如：
上图, 当 i 不匹配时我们需要回退到一个与当前单词 i （4）的最大后缀相等的位置，
很明显在图中 是 7，这个位置也就是我们的 j了
i:4 j:7 root到i的字符串是“ABC”
root到j的字符串是“BC”
“BC”是“ABC”的一个后缀 所以i的Fail指针指向j
同时我们发现，“C”也是“ABC”的一个后缀。
所以Fail指针指的jj的深度要尽量大。
在定义一下Fail吧：((最长的(当前字符串的后缀))在TrieTrie上可以查找到)的末尾编号。
trie:字典树，又称前缀树，是用于快速处理字符串的问题，能做到快速查找到一些字符串上的信息。
另外，Trie树在实现高效的同时，会损耗更多的空间，所以Trie是一种以空间换时间的算法。
那么基本思想已知，我们如何实现呢？
1.)首先我们需要一颗 trie ，下面是传入多个 str的 建数代码：
2).然后我们要模仿 kmp 进行 求next数组：
注意我们这里从kmp过度后的含义：
1.因为是建立在 trie上的我们 需要一层层遍历，so，我们利用bfs遍历每一层=
2.有kmp中 j的含义知道 j=next[i-1];(next[i]=j; i++; ->j=next[i-1];)
so我们次数的 j 利用的就是上一个（层）--t ->j=ne[t];
3.kmp中利用 s[i] == p[j+1] 判断下一位是否匹配，我们此处需要改为 tr[j][i] 这条路径是否存在
if存在 就可以继续往下走了 j=tr[j][i];
3）.匹配操作：
1.根据kmp的经验我们知道 匹配操作使和求next数组相似的，不同的是我们这里的j从0 开始表示从根节点开始匹配（查到单词当然要从第一个字母开始了）
2.剩下的依然模仿求next数组，if tr[j][t] 这条路不存在，那么久回退到合适的位置
3.问题需要求 目标单词出现的次数之和，我们统计完之后记得 cnt =0，以防再次遇到的时候重复统计
哎呀！！ 这样想想是不是觉得还缺什么呢？明明是线性时间复杂度的ac自动机却有个while来拖后腿，我们有没有办法设法将其优化呢？
有的,我们可以借助trie的性质：只要每次找到不存在的路径时，把它的next更新为他父节点的next即可。不存在只能回退了嘛。
举个例子：
// 假定在循环第i层时，前i-1层都求对了
// 在第i层没找到字母i,那么去第i-1层父结点t的next指针的位置就是它最终应该跳到的位置
这样一层一层更新，每次i都参照的是已经更新并且正确的i-1，那么是不是可以在线性复杂度下求出所有的next了呢
求next数组的优化：
匹配时候的优化：
这优化的效果是当不匹配的时候我们平常需要的while多次 回退，变成只需要 一步回退即可回退到最佳位置。。
练习题：
0.trie的基础题（先理解trie的思想再学ac自动机就会比好懂）:P2580 于是他错误的点名开始了 - 洛谷 | 计算机科学教育新生态 (luogu.com.cn)
当然这个模板题也可以用map来水过去，但是我们最好还是使用trie的写法去了解我们的trie
1.模板题：1282. 搜索关键词 - AcWing题库
（用cnt来记录前缀出现次数，然后bfs是拓补序的倒叙，倒着输出即可）
556
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
