敏感词屏蔽——AC自动机

个人微信公众号：程序员宅急送

一、算法介绍

上一周我们讲了Trie树，这次的AC自动机是Trie树的一个改进版，也是一个多模式串匹配算法。

区别在于Trie树——在一堆模串中找寻符合条件的前缀（搜索引擎的关键词弹出选项）

AC自动机——找寻符合条件的后缀。

二、算法讲解

1、首先我们构建一个如图的Trie树

如下图

2、在学习KMP算法的时候，我们说到了好前缀的前缀子串和后缀子串匹配。

在Trie树中，我们借鉴这个思路，如果出现了不匹配字符，我们就去Trie树中找“可匹配的最长后缀”。

在KMP算法中，我们又next数组，在Trie树中，我们用”失败指针“。

如下图

三、代码

AC自动机的关键在于两个部分。1、构建Trie树。2、构建失败指针

#include <iostream>
#include <vector>
#include <string>
#include <map>
#include <queue>
using namespace std;
typedef struct _acNode
{
	char data;
	struct _acNode* children[26] = {0};//此处我假设只有26个小写字母
	struct _acNode* fail = nullptr;
	bool isEnding = false;
	int index = 0;
}acNode;
class acAutoMachine 
{
public:
	acAutoMachine()
	{
		root = new acNode;
		root->data = '/';
		root->fail = root;
	}
	void createTrie(string src)
	{
		int srcLen = src.size();
		acNode* curPoint = root;
		for (int i = 0; i < srcLen; ++i)
		{
			char curCh = src[i];
			int index = curCh - 'a';
			if (curPoint->children[index] == 0)
			{
				curPoint->children[index] = new acNode;
				curPoint->children[index]->data = curCh;
				curPoint->children[index]->index = i;
				curPoint = curPoint->children[index];
			}
			else
			{
				curPoint = curPoint->children[index];
			}
		}
		curPoint->isEnding = true;
	}
	void buildFailPoint()
	{
		queue<acNode*> acNodeQueue;
		acNodeQueue.push(root);
		while (!acNodeQueue.empty())
		{
			acNode* p= acNodeQueue.front();
			acNodeQueue.pop();
			for (int i = 0; i < 26; ++i)
			{
				acNode* pc = p->children[i];
				if (pc == 0) 
					continue;
				if (p == root)
				{
					//这里注意一下，是pc->fail = root
					pc->fail = root;
				}
				else
				{
					acNode* q = p->fail;
					while (q != 0)
					{
						acNode* qc = q->children[pc->data - 'a'];//这里写q->children[i]也是可以的
						if (qc != 0)
						{
							pc->fail = qc;
							break;
						}
						else if (qc == 0&&q == root)
						{
							pc->fail = root;
							break;
						}
						q = q->fail;
					}
					if (q == nullptr)
					{
						pc->fail == root;
					}
				}
				acNodeQueue.push(pc);
			}
		}
	}
	void match(string src) 
	{
		int srcLen = src.size();
		acNode* p = root;
		for (int i = 0;i<srcLen;++i)
		{
			int index = src[i] - 'a';
			while (p->children[index] == nullptr && p != root)
			{
				//失败指针发挥作用
				p = p->fail;
			}
			p = p->children[index];
			//没有匹配的从root开始，
			if (p == nullptr)
				p = root;
			acNode* tmp = p;
			while (tmp != root)
			{
				if (tmp->isEnding == true)
				{
					int pos = i - tmp->index;
					cout << "index" << pos << " length = "<< tmp->index+1 << endl;
				}
				tmp = tmp->fail;
            }
		}
	}
private:
	acNode* root;

};
int main()
{
	acAutoMachine ac;
	ac.createTrie("msb");
	//ac.createTrie("cb");
	ac.createTrie("sb");
	ac.buildFailPoint();
	ac.match("msbde");
	system("pause");
	return 0;
}

打印结果

index0 length = 3
index1 length = 2
请按任意键继续. . .