需求场景
假设有m个模式字符串,给出一个长度为n的字符串s,那么s包含了哪些模式字符串?
通常做法是遍历s字符串m次来寻找,那么时间复杂度将是O(m*n)
有些软件的waf防护模块和敏感词识别模块都会遇到此场景,这样的时间复杂度是难以接受的,所以需要更高效的方法
此时AC状态机便是一个好的选择
方法简介
1975年,贝尔实验室的Alfred Aho和Margaret Corasick发现了一种只扫描一遍文本就能完成这项任务的算法,该算法依据他们的名字命名为Aho-Corasick匹配算法,简称AC算法。该算法通过有限自动机巧妙地将字符比较转化为状态转移,此算法的时间复杂度与关键字的数目无关,只跟文本长度有关,其时间复杂度为O(n),优于O(n*m),匹配效率提升m倍
生成分析
建立有效状态转移路线图
即某一个状态遇到一个字符后转移到另外一个状态的路线图
如果有4个模式字符串如下:he,she,his、hers
由它们可建立如下的有效状态路转移路线图:
每个状态都有一个链表记录它所代表的模式字符串,如状态2代表he,状态4代表hers,状态9代表she,状态6代表his,其他状态代表无模式字符串。每个链表此时最多只有一个成员。
建立失效状态转移路线图
以上路线图是根据众多模式字符串建立的有效状态转移路线图,但是如果中断呢?
比如