基于中文AC自动机--实现中文文本中特定参数的抽取

近来需要做一些从中文文本中提取关键字（关键字自定义）的操作，偶然间了解了AC自动机算法，而网上的算法大多是基于英文实现的，所以也只是适用于英文提取关键字，因此最近研究了一下中文AC自动机的实现，记录下自己的思路，以期与大家共勉。

---

关于AC自动机，网上也已经是有了许多非常详细的介绍，比较关键的两步就是trie树和fail指针的构建，在这里也不再赘述，不清楚的可以去https://bestsort.cn/2019/04/28/402/。下面综合代码讲解一下我个人的实现方法，我使用java语言实现。

首先呢，是自定义一些关键字，为了方便统一操作，我们将关键字存入以UTF-8编码的txt文本中，每一行存一个关键字。不同类型的关键字存入不同的txt文本中，这里主要是适应于我个人的需要，用于区分关键字的类型，方便以后当做某种类型的参数去处理。

第一步，我构建一种新的数据结构，对该数据结构，每一个数据都有关键字和类型两个属性。

public class TypeKey {
    public String ikey;//关键字
    public String itype;//类型
}

第二步，我从不同的文本分别读出里面所有的关键字，并给同一文本里的关键字以相同的类型标记。

List<TypeKey> strings = new ArrayList<>();//储存关键字和类型的数组
        String type1 = "time";//每一种type都对应着一种类型，同时对应一个txt文本
        String type2 = "attr";
        String type3 = "machine";
        String type4 = "place";
        String type5 = "order";

        File timeKey = new File("D:\\dict\\time.txt");
        File attrKey = new File("D:\\dict\\attr.txt");
        File machineKey = new File("D:\\dict\\machine.txt");
        File placeKey = new File("D:\\dict\\place.txt");
        File orderKey = new File("D:\\dict\\order.txt");

        String str = null;
        BufferedReader brt = new BufferedReader(new InputStreamReader(new FileInputStream(timeKey), "UTF-8"));
        while((str = brt.readLine())!=null){
            String time = str;
            TypeKey tk = new TypeKey();
            tk.ikey = time;
            tk.itype = type1;
            strings.add(tk);
        }

        BufferedReader bra = new BufferedReader(new InputStreamReader(new FileInputStream(attrKey), "UTF-8"));
        while((str = bra.readLine())!=null){
            String attr = str;
            TypeKey tk = new TypeKey();
            tk.ikey = attr;
            tk.ity