AC自动机多模匹配算法 C++实现

AC自动机多模匹配算法 C++实现

相关内容

字典树TrieC++实现
KMP算法C++实现

AC自动机

Aho-Corasick automaton，是一种多模板匹配算法，基于Trie树和KMP算法，查找操作与Trie类似，与Trie不同的是，AC自动机查找过程中失配时，到当前失配结点fail指针指向的结点继续查找，fail指针指向当前最结尾字符串的最长后缀子串，每次遇到一个结点检测其是否为单词的尾结点，若是则输出该节点，若失配则还要检测fail指针指向的结点是否为某个单词的尾结点，失配后转向最长后缀的下一个结点，保证t串不用回溯

Fail数组

其中getFail()函数的else语句中的letters[currentLevel][i] = letters[fail[currentLevel]][i];，方便了search()函数中向下查找的操作，即currentLevel = letters[currentLevel][letter];

void AhoCorasickAutomaton::getFail() {
	// 以BFS顺序计算fail数组指向的结点
    queue<int> q;
    fail[0] = 0;
    // 将第0行出现的所有结点入队
    for (int i = 0; i < SIGMA_SIZE; i++) {
        int letter = letters[0][i];
        if (letter) {
            fail[letter] = 0;
            q.push(letter);
        }
    }

    while (!q.empty()) {
    	// 队首元素作为当前字母对应层
        int currentLevel = q.front();
        q.pop();
        for (int i = 0; i < SIGMA_SIZE; i++) {
        	// 对于当前字母结点的所有子结点
            int letter = letters[currentLevel][i];
            if (letter) {
            	// 将存在的结点对应层入队，求解其孩子结点（若存在）的fail指针
                q.push(letter);
            	// 若子节点存在，则其fail指针指向其父结点对应fail指向结点的对应子节点
            	// 若以其当前结点为结尾的字符串存在大于1的最长后缀两种情况
            	// 当前结点若在其父结点的fail指向结点的子节点中也存在，则以当前结点为最长后缀的长度加1，并将fail指针指向它
            	// 当前结点若在其父结点的fail指向结点的子节点中不存在，则fail指针指向个根节点0
                fail[letter] = letters[fail[currentLevel]][i];
            } else {
            	// 为方便查找操作
            	// 若不存在，当前孩子结点则置为父结点的fail指针的对应孩子结点
            	// 若对应孩子节点存在，则直接跳转到对应结点处即可
            	// 若不存在， 则为0，跳转到根节点
                letters[currentLevel][i] = letters[fail[currentLevel]][i];
            }
        }
    }
}

查找操作

void AhoCorasickAutomaton::search(string t) {
    int currentLevel = 0;
    for (int i = 0; i < t.size(); i++) {
        int letter = index(t[i]);
        // 向下搜索直到遍历整个t字符串
        // 若存在对应结点则继续向下，否则跳转到对应fail指针
        // 如上述getFail()函数所述
        // getFail()函数的else语句中已经将不存在的结点值置为对应fail指针的值
        currentLevel = letters[currentLevel][letter];
		// 打印单词
        if (tag[currentLevel]) {
            cout << information[currentLevel] << endl;
        }
        if (tag[fail[currentLevel]]) {
            cout << information[fail[currentLevel]] << endl;
        }
    }
}

样例图解

绿色箭头指向结点fail指针对应值，红色结点代表单词的尾结点

实现代码

/*
author : eclipse
email  : eclipsecs@qq.com
time   : Sun Jun 14 21:51:51 2020
*/
#include <bits/stdc++.h>
using namespace std;

class AhoCorasickAutomaton {
private:
    static const int MAX_SIZE = 1024;
    static const int SIGMA_SIZE = 26;
    vector<vector<int> > letters;
    vector<string> information;
    int size;
    vector<bool> tag;
    vector<int> fail;
    int index(char c);
public:
    AhoCorasickAutomaton(vector<string> words);
    void insert(string str);
    void search(string str);
    void getFail();
};

AhoCorasickAutomaton::AhoCorasickAutomaton(vector<string> words) {
    size = 0;
    fail.resize(MAX_SIZE);
    tag.resize(MAX_SIZE);
    information.resize(MAX_SIZE);
    letters.resize(MAX_SIZE);
    for (int i = 0; i < MAX_SIZE; i++) {
        letters[i].resize(SIGMA_SIZE);
    }
    for (int i = 0; i < SIGMA_SIZE; i++) {
        letters[0][i] = 0;
    }
    for (int i = 0; i < words.size(); i++) {
        insert(words[i]);
    }
    getFail();
}

int AhoCorasickAutomaton::index(char c) {
    return c - 'a';
}

void AhoCorasickAutomaton::insert(string str) {
    int currentLevel = 0;
    for (int i = 0; i < str.size(); i++) {
        int letter = index(str[i]);
        if (!letters[currentLevel][letter]) {
            for (int j = 0; j < SIGMA_SIZE; j++) {
                letters[size][j] = 0;
            }
            tag[size] = false;
            letters[currentLevel][letter] = size++;
        }
        currentLevel = letters[currentLevel][letter];
    }
    tag[currentLevel] = true;
    information[currentLevel] = str;
}

void AhoCorasickAutomaton::getFail() {
    queue<int> q;
    fail[0] = 0;
    for (int i = 0; i < SIGMA_SIZE; i++) {
        int letter = letters[0][i];
        if (letter) {
            fail[letter] = 0;
            q.push(letter);
        }
    }

    while (!q.empty()) {
        int currentLevel = q.front();
        q.pop();
        for (int i = 0; i < SIGMA_SIZE; i++) {
            int letter = letters[currentLevel][i];
            if (letter) {
                q.push(letter);
                fail[letter] = letters[fail[currentLevel]][i];
            } else {
                letters[currentLevel][i] = letters[fail[currentLevel]][i];
            }
        }
    }
}

void AhoCorasickAutomaton::search(string t) {
    int currentLevel = 0;
    for (int i = 0; i < t.size(); i++) {
        int letter = index(t[i]);
        currentLevel = letters[currentLevel][letter];
        if (tag[currentLevel]) {
            cout << information[currentLevel] << endl;
        }
        if (tag[fail[currentLevel]]) {
            cout << information[fail[currentLevel]] << endl;
        }
    }
}

int main(int argc, char const *argv[]) {
    vector<string> words;
    int N;
    scanf("%d", &N);
    words.resize(N);

    for (int i = 0; i < N; i++) {
        cin >> words[i];
    }

    AhoCorasickAutomaton *ahoCorasickAutomaton = new AhoCorasickAutomaton(words);
    string t;
    cin >> t;
    ahoCorasickAutomaton->search(t);
    return 0;
}

输入数据

6
his
hers
her
him
he
she
shers

输出结果

she
he
her
hers

鸣谢

《算法竞赛入门经典训练指南》

最后

• 由于博主水平有限，不免有疏漏之处，欢迎读者随时批评指正，以免造成不必要的误解！