数据结构与算法学习（十四）——字符串匹配算法（二）

上一篇讲的BF、RK、BM、KMP算法都是单模式串匹配算法，即一个主串与一个模式串匹配，本篇将介绍两种多模式串（一个主串与多个模式串匹配）匹配算法——Trie树和AC自动机

Trie树

1、Trie树又叫字典树，用来解决一组字符串集合中快速查找某个字符串。其中一组字符串对应的就是模式串，某个字符串指的就是主串。
2、Trie树本质：利用字符串中的公共前缀，将重复的前缀合在一起，构成一棵树。
例有一组字符串：hello hi her how see so，构成的Trie树如下：

（1）根节点不含任何信息
（2）一条路径表示一个字符串
3、Trie树的存储方式
（1）用一个下标与字符映射的数组存储子节点的指针。假设字符串全是小写字母，则用a~z 26个字母存储每个节点。上面一层为a-z 26个字母，下面一层则指向子节点。
（2）数组下标为0的位置指向子节点a的指针，下标为1的位置指向子节点b的指针…若子节点不存在，则该下标为null。
（3）查找字符串时，直接用ASCII的计算。要查找字母x与字母a的ASCII差值即为x节点的存储下标。

第一层为根节点，第二层为h、s节点。

4、Trie树与散列表、红黑树的区别
（1）Trie树要求字符串集不能太大，且要求字符串的前缀重合较多
（2）使用Trie树需要自己构建Trie树，相比于散列表和红黑树可以直接用现成的封装类，难度要大一些。
（3）Trie树使用指针，会使串起来的数据块不连续，对缓存不友好，性能下降
因此综上三点所述，精确查找使用散列表和红黑树更好一些，不需要自己动手实现，且性能稳定。
但Trie树适合查找前缀匹配的字符串，例如搜索引擎中的搜索关键字的提示功能。

AC自动机

1、AC自动机的本质就是在Trie树上引用了KMP算法的next数组实现，因此AC自动机也是树结构。
next数组是KMP算法实现中的一个存储结构：数组下标为好前缀字符串的各前缀子串的最后下标，数组值为与该前缀子串匹配的最长匹配后缀子串（该后缀子串为好前缀的后缀子串）的最后下标。若无最长匹配后缀子串，则记为-1。
2、构建AC自动机：
（1）先将多个字符串构建成Trie树
（2）在Trie树上构建失败指针：字符串{a}的后缀子串{p}与其他模式串的前缀子串可匹配的最长前缀子串{q}，将{p}的最后节点指向{q}的最后节点，即为失败指针。
字符串：abc的最长可匹配前缀子串为bc，即abc中的c节点的失败指针为bc中的c节点

（3）在AC自动机上匹配主串
3、AC自动机适用于大量文本的场景，应用于过滤敏感词系统。例一篇文章中需要过滤敏感词。

图源：王争——数据结构与算法之美