AC自动机

最新推荐文章于 2024-09-14 20:30:05 发布

Psycho social

最新推荐文章于 2024-09-14 20:30:05 发布

阅读量373

点赞数 1

分类专栏：字符串文章标签：算法 c++ 信息学竞赛 ACM 数据结构

本文链接：https://blog.csdn.net/weixin_43501684/article/details/124498568

版权

AC自动机 Trie树模式串匹配 Fail指针字符串查询

关键词由CSDN通过智能技术生成

字符串专栏收录该内容

4 篇文章 0 订阅

订阅专栏

AC自动机

前置知识：KMP算法、Trie

简介

$K M P$ 算法用于进行单个模式串的匹配，而 $A C$ 自动机则是适用于多模式串的匹配，即可以匹配多个模式串在主串中，该算法在1975年产生于贝尔实验室，是著名的多模匹配算法。

原理

回想一下 $K M P$ 算法是通过构建一个 $n e x t$ 数组，每次失配后，通过找到该位置的最长公共前后缀的值，移动到对应位置，从而避免多次不必要的比较，同样的在 $A C$ 自动机算法中，有一个类似与 $n e x t$ 的东西，帮助我们在每次失配时，能够找到正确的位置，避免多次比较，我们叫做失配指针。

Fail指针的作用：匹配失败后，能够指向正确的位置。

Fail的实质含义：假定点 $i$ 的 $F a i l$ 指针指向 $j$ ，则有 $r o o t$ 到 $j$ 的字符串是 $r o o t$ 到 $i$ 的一个后缀。

为了尽可能少匹配， $F a i l$ 指针指向的节点深度要尽可能的大。
$A C$ 自动机使用 $T r i e$ 树来存放所有的模式串

假定模式串为：she、his、he、hers，构建一棵Trie树如下图

如何求 $F a i l$ 指针呢？

根据定义可得，第一层的 $F a i l$ 指针是指向根节点的。
点 $i$ 的 $F a i l$ 指针的深度是小于 $i$ 的（后缀属性）

求某个点 $i$ 的 $F a i l$ 指针，假定点 $i$ 的父亲节点为 $k$ ，那么如果 $F a i l [k]$ 的儿子节点中也有和 $i$ 相同的字符，那么 $i$ 可以直接指过去

求红色节点的 $F a i l$ 指针，找到它的父亲节点（绿色），父亲节点的 $F a i l$ 指向的节点（黄色），该黄色节点的儿子中若是有和红色节点相同的，红色节点的 $F a i l$ 指针直接指向该儿子节点（紫色）即可，如果没有，则直接指向根节点。

构建完成后如下图所示：

由于在求某个节点 $F a i l$ 指针的时候，需要知道该节点父亲的 $F a i l$ ，因此使用 $b f s$ ，一层一层地求 $F a i l$ 。

注意：假定 $T r i e$ 树全部由小写字母构成，我们在对每一个节点的儿子节点遍历时，需要遍历26次，其中有些节点不一定存在，若是不存在，我们可以将该节点构建出来，设为该节点父亲节点 $F a i l$ 指向的节点对应的儿子。如下图：

灰色节点并不存在，但是可以构建出来直接指向该节点父亲（绿色）的 $F a i l$ 指向的黄色节点对应的儿子（红色），保证存在性，并且在文本查找过程中，可以直接跳转过去。

查询操作

构建好 $F a i l$ 指针后，我们就可以进行查询了，为了避免重复计算，每经过一个点就加上以这个点作为结尾的模式串数量，然后标记为-1，如果某个位置匹配不成功，则跳转到 $F a i l$ 指针位置

例题

来看一道模板题(https://www.luogu.com.cn/problem/P3808)

题目描述

给定 n个模式串 $s_i$ 和一个文本串 $t$ ，求有多少个不同的模式串在文本串里出现过。
两个模式串不同当且仅当他们编号不同。

输入格式

第一行是一个整数，表示模式串的个数 $n$ 。
第 2 到第 $(n + 1)$ 行，每行一个字符串，第 $(i + 1)$ 行的字符串表示编号为 $i$ 的模式串 $s_i$ 。
最后一行是一个字符串，表示文本串 $t$ 。

输出格式

输出一行一个整数表示答案。

输入样例

3
a
aa
aa
aaa

输出样例

数据规模与约定

对于 $50\%$ 的数据，保证 $n = 1$ 。
对于 $100\%$ 的数据，保证 $\leq n \leq 10^6$ ， $\leq |t| \leq 10^6$ ， $\leq \sum\limits_{i = 1}^n |s_i| \leq 10^6$ 。 $s_i, t$ 中仅包含小写字母。

参考程序

#include <iostream>
#include <cstring>
#include <algorithm>
#include <queue>

using namespace std;

const int N = 1e6 + 15;
int t[N][26];
int fail[N];
int cnt[N];
char st[N];
queue <int> q;
int idx;

void init () {
    memset (t, 0, sizeof t);
    memset (fail, 0, sizeof fail);
    memset (cnt, 0, sizeof cnt);
}

void insert (char *s) { // 构建trie树
    int p = 0;
    for (int i = 0; s[i]; i ++) {
        int ne = s[i] - 'a';
        if (!t[p][ne]) t[p][ne] = ++ idx;
        p = t[p][ne];
    }
    cnt[p] ++;
}

void getFail () {
    
    for (int i = 0 ; i < 26; i ++) 
        if (t[0][i]) {
            fail[t[0][i]] = 0; // 指向根节点
            q.push(t[0][i]);
        }
    
    while (!q.empty()) {
        int u = q.front();
        q.pop ();
        
        for (int i = 0; i < 26; i ++) {
            if (t[u][i]) { // 存在该节点
                fail[t[u][i]] = t[fail[u]][i];
                q.push (t[u][i]);
            } else  // 不存在
                t[u][i] = t[fail[u]][i];
        }
    }
}

int query (string s) {
    int u = 0, ans = 0;
    for (int i = 0; i < s.size(); i ++) {
        u = t[u][s[i] - 'a'];
        for (int j = u; cnt[j] != -1; j = fail[j]) {
            ans += cnt[j];
            cnt[j] = -1;
        }
    }
    return ans;
}

int main () {
    ios::sync_with_stdio (0);
    cin.tie(0);
    int n;
    string st1;
    init ();
    cin >> n;
    for (int i = 1; i <= n; i ++) {
        cin >> st;
        insert (st);
    }
    getFail ();
    cin >> st1;
    cout << query(st1) << endl;
    return 0;
}