AC自动机

应用背景

在互联网应用中，通常会用到关键词检测功能，以防止用户发表包括了指定关键词的内容。如游戏的聊天系统、角色名称检测，论坛发帖、直播弹幕等，都需要对用户发布的内容进行检测，以检测是否包含敏感的关键字。

通常需要检测的关键词，会有很多很多，比如侮辱人的关键词，政治敏感的关键词，系统相关的特定关键词等。毫不夸张的说，通常要检测的关键词会有几千个，甚至过万。这时效率都变得尤为突出，如果检测关键词的效率低下，对大型互联网应用来说，很可能有是致命的。

以8000个关键词为例，如果使用正则表达式，则需要对用户发布的内容遍历8000遍。如果同一秒中，有100位，1000位，10000位…用户发布内容，可想而知仅仅在关键词检测方面服务器上CPU的开销。

AC多模式匹配算法，可以有效的解决关键词检测的效率问题。时间复杂度为O(n),n为用户发布内容的长度n。基本与关键词的数量无关。

AC算法介绍

AC算法是一个经典的多模式匹配算法，可以保证对于给定的长度为n的文本，和模式集合P{p1,p2,…pm}，在O(n)时间复杂度内，找到文本中的所有目标模式，而与模式集合的规模m无关。

AC算法实现原理：
ac自动机,就是在tire树的基础上,增加一个fail指针,如果当前点匹配失败,则将指针转移到fail指针指向的地方,这样就不用回溯,而可以路匹配下去了

举例：
如要查找abce和bcd是否在abcd中出现,我们找到c发现下一个要找的不是e,就跳到bcd中的c处,看看此处的下一个字符(d)是不是应该找的那一个
因为abc部分的后缀与bcd的部分前缀相同，便能构造fail指针

完整流程：

• 构建敏感词树型结构，并标注结束节点（即是否是一个敏感词的结束）；
• 为树上的结点，构建匹配失败时的跳转-失败结点（即匹配失败时，跳转到哪个结点继续匹配）；
• 对用户内容进行一次遍历，对于每个字符（字节）都去敏感词树型结构中，从当前结点位置开始匹配。

构建过程

以模式串he,she,him,hers,shit为例，先构造一颗字典树

图像说明

• 图中根节点为空节点
• 红色节点表示该节点是一个存在的字符串
• 蓝色实线连接父子节点
• 黄色虚线表示fail指针
• 没有标注黄色虚线的节点，fail指针默认都指向根节点

fail指针构造过程

• 第三行的h节点，找到父节点的fail节点的子节点中，与当前节点相同的点，将h的fail指针指向该节点
• 第四行的i节点，找他i节点的父节点的fail节点的子节点中是否有i节点
• 依次类推

匹配示例

拿主串ashers上去匹配

• 第三步确定找到she，接续沿着线头则匹配失败，根据fail指针跳转
• 第四步找到he，继续往下找
• 第六步找到hers，匹配结束