java ac自动机_AC自动机原理

最近在看AC自动机的构建和使用，在此做一下记录。因为是边看边写，所以此篇内容可能有错误之处，或者有删改的可能，读者还是以别的教程为准，以免学错了，这篇就当是方便理解吧。

Aho-Corasick自动机是一种多字符串匹配的算法，通过将模式串预处理为确定有限状态自动机，匹配复杂度为O(n)，即与模式串的数量和长度无关。疑问：能同时获得匹配字符串的位置吗？如何多次匹配同一字符串？各自的位置呢？

AC算法中有三个核心表，分别是：

success表： 这一步匹配成功了，下一步可以匹配哪些

failure表： 这一步匹配失败了，怎么转移到新的路径匹配

emits表： 匹配到某个节点，可以输出哪些内容

三个核心问题：

1、如何构建这些表？2、如何存储这些表？3、如何查询这些表？

下面分别一一作答。

success表的构建：success非常容易构建，按照需要匹配的字符串构建成一棵树就可以了，如下图中的实线部分，其中0号是root节点，不存储具体字符。这张表里包含了he, hers, his, she这几个单词。

failure表的构建：上图中的失败指针即为虚线，指如果到这一节点匹配成功了，但是在其子节点匹配失败了，该走向哪一个节点。构建方法是这样的：对于一个节点C，标识字符a，顺着C的父亲节点的失配指针走，走到第一个有儿子也是a的节点T，那么C的失败指针就指向T的标识a的儿子节点。如果找不到这个节点，那么失败指针指向Root。在实际操作时，这个建构过程要求父亲节点的失败指针已经建好，而且一层层都要建好，所以采用bfs实现failure表的构建。比如，在上图中，节点5的父节点为4，4的失败指针指向1，1的子节点中包含字符e的为2，所以5的失败指针指向2。

emits表的构建：猜测把失败指针指向的节点的内容copy过来，比如上图中，节点5的失败指针指向2，2是一个emit节点，包含的内容是he，把he拷贝到节点5的emit表中即可。用链表会更好吧

success表的存储：大部分实现都是采用了字典，不过性能可能会受影响，码农场采用了DoubleArrayTrie实现存储，说是会快很多，我研究一下

参考博客：