C++之多模式匹配问题

最新推荐文章于 2024-09-10 14:26:14 发布

addict_jun

最新推荐文章于 2024-09-10 14:26:14 发布

阅读量1.3k

点赞数 1

分类专栏：数据结构，算法与思维文章标签：数据结构 c++ 算法

本文链接：https://blog.csdn.net/suren_jun/article/details/127561672

版权

数据结构，算法与思维专栏收录该内容

17 篇文章 5 订阅

订阅专栏

多模式匹配问题（Multi Pattern Matching）：给定一个文本串 T=t1t2…tn，再给定一组模式串 P=p1,p2,…,pr，其中每个模式串 pi 是定义在有限字母表上的字符串 pi=p1ip2i…pni。要求从文本串 T 中找到模式串集合 P 中所有模式串 pi 的所有出现位置。

模式串集合 P 中的一些字符串可能是集合中其他字符串的子串、前缀、后缀，或者完全相等。解决多模式串匹配问题最简单的方法是利用「单模式串匹配算法」搜索 r 遍。这将导致预处理阶段的最坏时间复杂度为 O(|P|)，搜索阶段的最坏时间复杂度为 O(r∗n)。

如果使用「单模式串匹配算法」解决多模式匹配问题，那么根据在文本中搜索模式串方式的不同，我们也可以将多模式串匹配算法分为以下三种：

基于前缀搜索方法：搜索从前向后（沿着文本的正向）进行，逐个读入文本字符，使用在P上构建的自动机进行识别。对于每个文本位置，计算既是已读入文本的后缀，同时也是P中某个模式串的前缀的最长字符串。
- 著名的 Aho-Corasick Automaton (AC 自动机) 算法、Multiple Shift-And 算法使用的这种方法。
基于后缀搜索方法：搜索从后向前（沿着文本的反向）进行，搜索模式串的后缀。根据后缀的下一次出现位置来移动当前文本位置。这种方法可以避免读入所有的文本字符。
- Commentz-Walter 算法（Boyer-Moore 算法的扩展算法）、Set Horspool 算法（Commentz-Walter 算法的简化算法）、Wu-Manber 算法都使用了这种方法。
基于子串搜索方法：搜索从后向前（沿着文本的反向）进行，在模式串的长度为min(len(pi))的前缀中搜索子串，以此决定当前文本位置的移动。这种方法也可以避免读入所有的文本字符。
- Multiple BNDM 算法、Set Backward Dawg Matching (SBDM) 算法、Set Backwrad Oracle Matching (SBOM) 算法都使用了这种方法。

需要注意的是，以上所介绍的多模式串匹配算法大多使用了一种基本的数据结构：「字典树（Trie Tree）」。著名的 「Aho-Corasick Automaton (AC 自动机) 算法」 就是在 KMP 算法的基础上，与「字典树」结构相结合而诞生的。而「AC 自动机算法」也是多模式串匹配算法中最有效的算法之一。

所以学习多模式匹配算法，重点是要掌握 「字典树」 和 「AC 自动机算法」 。

字典树知识

字典树（Trie）：又称为前缀树、单词查找树，是一种树形结构。顾名思义，就是一个像字典一样的树。它是字典的一种存储方式。字典中的每个单词在字典树中表现为一条从根节点出发的路径，路径相连的边上的字母连起来就形成对应的字符串。

你可以看到字典树是一个存储字符串的结构。

请添加图片描述

首先对于节点，我们可以采用哈希表来定义，然后在定义一个结尾的标志

typedef struct Node {
	unordered_map<char, Node*> children;
	bool is_end = false;
};

接下来就是构建字典树

class Trie {

public:
	Trie();  // 初始化

public:
	void Insert(string &s1);        //插入
	bool Search(const string& s);   //查找
	bool StartWith(const string& prefix);  //查找前缀

private:
	Node *root = NULL;
};

首先是初始化，这里头节点是不存放字符的。

Trie::Trie() {
	root = new Node();
}

然后是插入操作，从根部开始遍历，存在该节点，就继续往下索引，不存在，则创建索引节点。

void Trie::Insert(string& s) {
	Node* cur = this->root;
	for (int i = 0; i < s.size(); i++) {
		if (cur->children.find(s[i]) == cur->children.end()) cur->children[s[i]] = new Node();
		cur = cur->children[s[i]];
	}
	cur->is_end = true;
}

接下来是查找单词，和查找前缀

bool Trie::Search(const string &s) {
	Node* cur = this->root;
	for (int i = 0; i < s.size(); i++) {
		if (cur->children.find(s[i]) == cur->children.end()) return false;
		cur = cur->children[s[i]];
	}
	return cur && cur->is_end;
}
bool Trie::StartWith(const string& prefix) {
	Node* cur = this->root;
	for (int i = 0; i < prefix.size(); i++) {
		if (cur->children.find(prefix[i]) == cur->children.end()) return false;
		cur = cur->children[prefix[i]];
	}
	return cur;
}