AC自动机

最新推荐文章于 2024-06-18 12:51:06 发布
最新推荐文章于 2024-06-18 12:51:06 发布
阅读量169 收藏 1
点赞数
分类专栏： 字符串基本算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhaoxinxin1234/article/details/90044803
版权

一、基本：
当我们遍历到 某个 节点的时候,由于存在这个节点,我们就让他的fail指针 指向 他父亲节点的fail指针指向的那个节点的具有相同字母的子节点。

简单来说，AC自动机是用来进行多模式匹配（单个主串，多个模式串）的高效算法。

使用Aho-Corasick算法需要三步：
建立模式串的Trie
给Trie添加失败路径
根据AC自动机，搜索待处理的文本

例题：Keywords Search HDU - 2222

In the modern time, Search engine came into the life of everybody like Google, Baidu, etc.
Wiskey also wants to bring this feature to his image retrieval system.
Every image have a long description, when users type some keywords to find the image, the system will match the keywords with description of image and show the image which the most keywords be matched.
To simplify the problem, giving you a description of image, and some keywords, you should tell me how many keywords will be match.
Input
First line will contain one integer means how many cases will follow by.
Each case will contain two integers N means the number of keywords and N keywords follow. (N <= 10000)
Each keyword will only contains characters ‘a’-‘z’, and the length will be not longer than 50.
The last line is the description, and the length will be not longer than 1000000.
Output
Print how many keywords are contained in the description.
Sample Input
1
5
she
he
say
shr
her
yasherhs
Sample Output
3

#include<iostream>
#include<cstdio>
#include<algorithm>
#include<cstring>
#include<string>
#include<cmath>
#include<queue>
#define ll long long
using namespace std;
const int maxn=1000010;
int trie[maxn][26];
int sum[maxn];
int fail[maxn];
int cnt=0;

void init(void)
{
    memset(trie,0,sizeof(trie));
    memset(sum,0,sizeof(sum));
    memset(fail,0,sizeof(fail));
    cnt=0;
}

char str[maxn];
char str1[108];

void _insert(void)
{
    int p=0;
    int k;
    int len=strlen(str1);
    for(int i=0;i<len;i++)
    {
        k=str1[i]-'a';
        if(!trie[p][k]) trie[p][k]=++cnt;
        p=trie[p][k];
    }
    sum[p]++;

}

void getfail(void)
{
    queue<int>q;
    for(int i=0;i<26;i++)
    {
        if(trie[0][i])
        {
            fail[trie[0][i]]=0;
            q.push(trie[0][i]);
        }
    }
    while(q.size())
    {
        int now=q.front();
        q.pop();

        for(int i=0;i<26;i++)
        {
            int p=trie[now][i];
            if(p)
            {
                fail[p]=trie[fail[now]][i];
                q.push(p);
            }
            else
            {
                trie[now][i]=trie[fail[now]][i];
            }
        }
    }

}

int query(void)
{
    int p=0,ans=0;
    int len=strlen(str);
    for(int i=0;i<len;i++)
    {
        p=trie[p][str[i]-'a'];

        for(int j=p;j && sum[j]!=-1;j=fail[j])
        {
            ans += sum[j];
            sum[j]=-1;
        }
    }
    return ans;
}

int main(void)
{
    int t;
    scanf("%d",&t);
    while(t--)
    {
        init();
        int n;
        scanf("%d",&n);
        for(int i=1;i<=n;i++)
        {
            scanf("%s",str1);
            _insert();
        }

        getfail();

        scanf("%s",str);

        printf("%d\n",query());
    }
    return 0;
}

二、洛谷P3796 AC自动机加强版
题目描述
有N个由小写字母组成的模式串以及一个文本串T。每个模式串可能会在文本串中出现多次。你需要找出哪些模式串在文本串T中出现的次数最多。

输入输出格式
输入格式：
输入含多组数据。

每组数据的第一行为一个正整数N，表示共有N个模式串，1≤N≤150。

接下去N行，每行一个长度小于等于70的模式串。下一行是一个长度小于等于10^6 的文本串T。

输入结束标志为N=0

输出格式：
对于每组数据，第一行输出模式串最多出现的次数，接下去若干行每行输出一个出现次数最多的模式串，按输入顺序排列。

就是比普通的AC自动机多了一个记录是第几个字符串的数组eend

#include<iostream>
#include<algorithm>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<queue>
#include<string>
using namespace std;
const int maxn=1000010;
int trie[maxn][26];
int fail[maxn];
int sum[maxn];
char str1[200][100];
char str2[maxn];
int tot=0;
int eend[maxn];
int ans[200];

void init(void)
{
    memset(trie,0,sizeof(trie));
    memset(fail,0,sizeof(fail));
    memset(sum,0,sizeof(sum));
    memset(eend,0,sizeof(eend));
    memset(ans,0,sizeof(ans));
    tot=0;
}

void _insert(int a)
{
    int p=0,k,len=strlen(str1[a]);
    for(int i=0;i<len;i++)
    {
        k=str1[a][i]-'a';
        if(!trie[p][k]) trie[p][k]=++tot;
        p=trie[p][k];
    }
    sum[p]=1;
    eend[p]=a;
}

void getfail(void)
{
    queue<int>q;
    for(int i=0;i<26;i++)
    {
        if(trie[0][i])
        {
            fail[trie[0][i]]=0;
            q.push(trie[0][i]);
        }

    }

    while(q.size())
    {
        int p;
        int now=q.front();
        q.pop();
        for(int i=0;i<26;i++)
        {
            p=trie[now][i];
            if(p)
                fail[p]=trie[fail[now]][i],q.push(p);
            else trie[now][i]=trie[fail[now]][i];

        }
    }
}

void _search(void)
{
    int p=0,k,len=strlen(str2);

    for(int i=0;i<len;i++)
    {
        k=str2[i]-'a';
        p=trie[p][k];
        for(int j=p;j;j=fail[j])
            ans[eend[j]]+=sum[j];
    }
    return ;
}


int main(void)
{


        int n;
        while(scanf("%d",&n),n)
        {
            init();
            for(int i=1;i<=n;i++)
            {
                scanf("%s",str1[i]);
                _insert(i);
            }

            getfail();

            scanf("%s",str2);

            _search();

            int maxx=-1;
            for(int i=1;i<=n;i++)
                maxx=max(maxx,ans[i]);
            printf("%d\n",maxx);
            for(int i=1;i<=n;i++)
            {
                if(ans[i]==maxx)
                printf("%s\n",str1[i]);
            }

        }
        return 0;

}

若是有重复的，再开个mp数组就好了。
如下：

#include<iostream>
#include<algorithm>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<queue>
#include<string>
using namespace std;
const int maxn=2000010;
int trie[maxn][26];
int fail[maxn];
int sum[maxn];
char str1[maxn];
char str2[maxn];
int tot=0;
int eend[maxn];
int ans[maxn];
int mp[maxn];

void init(int n)
{
    memset(trie,0,sizeof(trie));
    memset(fail,0,sizeof(fail));
    memset(sum,0,sizeof(sum));
    memset(eend,0,sizeof(eend));
    memset(ans,0,sizeof(ans));
    for(int i=1;i<=n;i++)
        mp[i]=i;
    tot=0;
}

void _insert(int a)
{
    int p=0,k,len=strlen(str1);
    for(int i=0;i<len;i++)
    {
        k=str1[i]-'a';
        if(!trie[p][k]) trie[p][k]=++tot;
        p=trie[p][k];
    }
    sum[p]=1;
    if(!eend[p])eend[p]=a;
    else mp[a]=eend[p];
}

void getfail(void)
{
    queue<int>q;
    for(int i=0;i<26;i++)
    {
        if(trie[0][i])
        {
            fail[trie[0][i]]=0;
            q.push(trie[0][i]);
        }

    }

    while(q.size())
    {
        int p;
        int now=q.front();
        q.pop();
        for(int i=0;i<26;i++)
        {
            p=trie[now][i];
            if(p)
                fail[p]=trie[fail[now]][i],q.push(p);
            else trie[now][i]=trie[fail[now]][i];

        }
    }
}

void _search(void)
{
    int p=0,k,len=strlen(str2);

    for(int i=0;i<len;i++)
    {
        k=str2[i]-'a';
        p=trie[p][k];
        for(int j=p;j;j=fail[j])
            ans[eend[j]]+=sum[j];
    }
    return ;
}


int main(void)
{


        int n;
        scanf("%d",&n);

        init(n);
        for(int i=1;i<=n;i++)
        {
            scanf("%s",str1);
            _insert(i);
        }


        getfail();

        scanf("%s",str2);

        _search();

        for(int i=1;i<=n;i++)
            printf("%d\n",ans[mp[i]]);


        return 0;

}

三、P5357 【模板】AC自动机（二次加强版）
这题数据注定了不能正常AC自动机做（不能像上一题一样），因为O2都T。

#include<iostream>
#include<algorithm>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<queue>
#include<string>
using namespace std;
const int maxn=2000010;
int trie[maxn][26];
int fail[maxn];
int sum[maxn];
char str1[maxn];
char str2[maxn];
int tot=0;
int head[maxn],ver[maxn],nt[maxn];
int cnt=0;
int d[maxn];

void init(int n)
{
    memset(trie,0,sizeof(trie));
    memset(fail,0,sizeof(fail));
    memset(sum,0,sizeof(sum));
    memset(d,0,sizeof(d));
    memset(head,0,sizeof(head));
    tot=0;
    cnt=0;
}

void _insert(int a)
{
    int p=0,k,len=strlen(str1);
    for(int i=0;i<len;i++)
    {
        k=str1[i]-'a';
        if(!trie[p][k]) trie[p][k]=++tot;
        p=trie[p][k];
    }
    sum[a]=p;

}

void getfail(void)
{
    queue<int>q;
    for(int i=0;i<26;i++)
    {
        if(trie[0][i])
        {
            fail[trie[0][i]]=0;
            q.push(trie[0][i]);
        }

    }

    while(q.size())
    {
        int p;
        int now=q.front();
        q.pop();
        for(int i=0;i<26;i++)
        {
            p=trie[now][i];
            if(p)
                fail[p]=trie[fail[now]][i],q.push(p);
            else trie[now][i]=trie[fail[now]][i];

        }
    }
}

void _search(void)
{
    int p=0,k,len=strlen(str2);

    for(int i=0;i<len;i++)
    {
        k=str2[i]-'a';
        p=trie[p][k];
        d[p]++;
    }
    return ;
}

void add(int x,int y)
{
    ver[++cnt]=y,nt[cnt]=head[x],head[x]=cnt;
}

void DFS(int x)
{
    for(int i=head[x];i;i=nt[i])
    {
        DFS(ver[i]);
        d[x]+=d[ver[i]];
    }
    return ;
}

int main(void)
{


        int n;
        scanf("%d",&n);

        init(n);
        for(int i=1;i<=n;i++)
        {
            scanf("%s",str1);
            _insert(i);
        }


        getfail();
        for(int i=1;i<=tot;i++)
            add(fail[i],i);

        scanf("%s",str2);
        _search();


        DFS(0);
        for(int i=1;i<=n;i++)
            printf("%d\n",d[sum[i]]);


        return 0;

}
_Shmily
关注
专栏目录
AC 自动机
orz
08-25 1343
AC 自动机 引入 AC 自动机是一种用于解决多模式串以及一主串匹配的字符串算法。 问题通常是给出若干个模式串 S 以及主串 T，询问若干个模式串分别在主串中的某些信息。 AC 自动机构建在 Trie 的结构基础上，结合了 KMP 算法的失配指针思想。 在进行多模式串匹配前，只有两个步骤需要去实现： 将所有模式串扔进一棵 Trie 树中。 对于 Trie 上的所有节点构建失配指针。 AC 自动机的时间复杂度约为 O(n+m)O(n+m)O(n+m)。 算法思想 AC 自动机其实就是在 Trie
关于 AC 自动机
weixin_43501634的博客
02-22 3136
AC 自动机，全称 Aho-Corasick 自动机，是一种用于字符串搜索的算法，由 Alfred V. Aho 和 Margaret J. Corasick 在 1975 年提出。这个算法是为了解决在一个主文本字符串中查找多个模式字符串（或称为“关键词”）的问题，它可以在线性时间内完成搜索，非常高效。在计算机科学中，Aho-Corasick 算法是 Alfred V. Aho 和 Margaret J. Corasick 于 1975 年发明的一种字符串搜索算法。
ac自动机
weixin_42593130的博客
01-03 235
AC自动机(英语：Aho-Corasick algorithm)是一种用于在文本串中快速搜索多个模式串的算法。它的名字来源于其发明者Alfred V. Aho和Margaret J. Corasick。AC自动机是一种多模式匹配算法，通常被用于在大型文本串或网络流中搜索多个模式串。它的时间复杂度是O(n+m+z)，其中n是文本串的长度，m是模式串的总长度，z是匹配次数。AC自动机在许多文本编辑器和...
数据结构与算法笔记：基础篇 -AC自动机：如何用多模式串匹配实现敏感词过滤功能？
最新发布
chenjian723122704的专栏
06-18 718
很多支持用户发表文本内容的网站，比如 BBS，大都会有敏感词过滤功能，用来过滤掉用户输入的一些淫秽、反动、谩骂等内容。你有没有想过，这个功能是怎么实现的呢？实际上，这些功能最基本的原理就是字符串匹配算法，也就是通过维护一个敏感词字典，当用户输入一段文字内容之后，通过字符串匹配算法，来查找用户输入的这段文字，是否包含敏感词。如果有，就用 “***” 把它替换掉。我们讲过讲过好几种字符串匹配算法了，它们都可以处理这个问题。但是，对于访问量巨大的网站来说，比如淘宝，用户每天的评论数有几亿、甚至十几亿。
AC自动机算法
懒猫的脚印
08-15 1322
ac自动机，双数组
ac自动机详解
dajiangyou123456的博客
01-27 330
转自大佬的blog：https://www.cnblogs.com/cmmdc/p/7337611.html 简介： 首先简要介绍一下AC自动机：Aho-Corasick automation，该算法在1975年产生于贝尔实验室，是著名的多模匹配算法之一。一个常见的例子就是给出n个单词，再给出一段包含m个字符的文章，让你找出有多少个单词在文章里出现过。要搞懂AC自动机，先得有模式树（字典树）Tri...
java ac自动机_Java实现AC自动机全文检索示例
weixin_42488997的博客
02-23 380
第一步，构建Trie树，定义Node类型：/*** Created by zhaoyy on 2017/2/7.*/interface Node {char value();boolean exists();boolean isRoot();Node parent();Node childOf(char c);Node fail();void setFail(Node node);void set...
AC自动机_AC自动机模板_
09-30
AC自动机，全称为Aho-Corasick自动机，是一种字符串搜索算法，广泛应用于信息学奥林匹克竞赛、数据结构与算法竞赛以及文本处理等领域。它的主要功能是高效地在一个字符串集合中进行多模式匹配，即同时查找多个模式串...
36丨AC自动机：如何用多模式串匹配实现敏感词过滤功能？1
08-03
AC自动机是一种高效的多模式串匹配算法，主要应用于文本处理中的敏感词过滤、关键词搜索等功能。它的全称为Aho-Corasick算法，由Aho和Corasick在1975年提出。AC自动机在Trie树的基础上进行了扩展，增加了失败指针，...
高效Java敏感词过滤系统AC自动机算法源码，支持独立部署与集成注册中心
03-25
本项目是一款高效的Java敏感词过滤系统，基于AC自动机算法实现。系统支持独立部署，同时可便捷集成至注册中心，为各类项目提供敏感词过滤服务。包含文件共117个，其中主要构成如下： - Java源文件：49个 - Class...
ahocorasick-python:AC自动机python的实现，并进行了优化。 主要修复了 查询不准确的问题
05-18
ac自动机python的实现，可用于python2 python3等主流python发行版，对标准的ac自动机算法进行了完善 优化(主要是改进了结果的准确性)。 注意：为了保证结果的准确性，请安装使用最新版(0.0.9)。 1.如何安装 pip 安装...
最小表示法
_Griefs
08-24 1986
一、最小表示法：    给定一个字符串S（1----N），如果我们不断把它的最后一个字符放到开头，最终会得到n个字符串，称这n个字符串是循环同构的。这些字符串中字典序最小的一个，称为字符串S的最小表示。    t ...
回文自动机（回文树）
_Griefs
08-24 705
一、不挣扎了，直接背。         首先，回文树有何功能？ 假设我们有一个串S，S下标从0开始，则回文树能做到如下几点： 1.求串S前缀0~i内本质不同回文串的个数（两个串长度不同或者长度相同且至少有一个字符不同便是本质不同） 2.求串S内每一个本质不同回文串出现的次数 3.求串S内回文串的个数（其实就是1和2结合起来） 4.求以下标i结尾的回文串的个数     ...
Hash——字符串映射
_Griefs
08-24 380
一、nlogn求最长回文串 POJ3974 #include<iostream> #include<cstdio> #include<algorithm> #include<queue> #include<cstring> #include<cmath> #include<map> #define ll long ...
后缀平衡树
_Griefs
08-24 361
一、P6164 【模板】后缀平衡树 题解： #include<iostream> #include<cstdio> #include<algorithm> #include<cstring> #include<string> #include<vector> #include<map> #include<set> #include<cmath> #include<queue> #incl
P3728 曼哈顿序列 （序列自动机找第k小子序列）
_Griefs
08-24 289
题目连接 题面： #include<iostream> #include<cstdio> #include<cstring> #include<cmath> #include<algorithm> #include<vector> #define ll long long #define llu unsigned ll //#define int ll using namespace std; const int maxn=10010
后缀自动机：
_Griefs
08-24 265
一、模板： 洛谷P3804 #include<iostream> #include<cstdio> #include<cstring> #include<cmath> #include<algorithm> #include<vector> #define ll long long #define llu unsigned l...
AC自动机算法：高效字符串匹配
"AC自动机.pdf" AC自动机（Aho-Corasick Algorithm）是一种用于高效处理字符串精确匹配问题的算法，特别适用于在一个大的文本（目标串T）中查找多个模式串（模式串集合P）的情况。它的时间复杂度为O(n+m+z)，其中n...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值