数据结构-字符串-AC自动机
AC自动机可以看作是在字典树上做 KMP,但并不是把 KMP 算法放到树上来,而是用了一种和 KMP 类似的思想,即在字典树上匹配文本串的时候如果失配,就跳到 指针所指的节点,所以学AC自动机没必要精通 KMP。
拿例题来讲:给定 个模式串和 个文本串,求有多少个模式串在文本串里出现过。
那么要先构造一个字典树将上述字符串存储,代码如下:
class Trie{
public:
int ch[N][26],mk[N],cnt;
Trie(){cnt=1;}
void insert(char*s){
int n=strlen(s+1),x=1;
for(int i=1;i<=n;i++){
int c=s[i]-'a'+1;
if(!ch[x][c]) ch[x][c]=++cnt;
x=ch[x][c];
}
mk[x]++;//以该节点为结尾的模式串数
}
};
比如有这些模式串:
那么构造成的字典树会长这样:
AC自动机就是在字典树的基础上,对于每个节点
,增加一个指针
,如上文所述,用来在失配时跳转指针,这样如果匹配失败就不需要回溯了。
如上图,根节点的子节点,即第一层的的节点 ,应该有 ,即如果在第一个字符失配,就从头开始再找(如下图,黄色箭头表示 )。
如果节点
没有子节点
,那么
,相当于由于没有该字符子节点而失配(末尾符失配),自动跳转
(如下图,紫色箭头表示
)。
为了简化问题,后文图中不加末尾符失配紫色指针。
按 序遍历字典树。如果节点 有子节点 ,那么 ,即如果失配就跳到最相邻已经遍历过的字符为 的节点中。如果目前还没有发现字符为 的节点,就令 。如下图:
这是构造AC自动机
数组的代码:
void build(){
for(int i=1;i<=26;i++) ch[0][i]=1;//把1节点的子节点同样操作
queue<int> q({1});
while(q.size()){//按bfs序求fail 指针
int x=q.front();q.pop();
for(int i=1;i<=26;i++)
if(ch[x][i]) fail[ch[x][i]]=ch[fail[x]][i],q.push(ch[x][i]);//☆
else ch[x][i]=ch[fail[x]][i];//☆
}
}
最后构造好 指针以后的字典树就是AC自动机,长这样:
然后就是重点了——应用
查找有几个模式串在文本串中出现。代码如下:
int fapp(char*s){
int n=strlen(s+1),x=1,res=0;
for(int i=1;i<=n;i++){
x=ch[x][s[i]-'a'+1];
for(int j=x;j&&mk[j]!=-1;j=fail[j])//mk置为-1防止重复计算
res+=mk[j],mk[j]=-1;
}
return res;
}
这时候你会很惊骇:这哪是失配跳转啊,这分明就是指针乱飞!其实仔细想的话,其实是指针在整个AC自动机间穿梭(说了等于没说),由于之前的紫色箭头 指针,指针表面上顺着字典树走的同时,也在自动末尾符失配跳转,即单前字典树节点如果没有某个字符子节点,就会自动跳到有该字符的节点上或者根节点。而后面那句 指针跳转的 循环,就求出了单前节点到根节点所连成的字符串的后缀的出现次数。
然后如上一波猛如犇的操作以后,答案——模式串在文本串中出现的次数就出现了。如果你懂了,蒟蒻就放代码了:
#include <bits/stdc++.h>
using namespace std;
const int N=1e6+10;
class Trie{
public:
int ch[N][26],mk[N],cnt;
Trie(){cnt=1;}
void insert(char*s){
int n=strlen(s+1),x=1;
for(int i=1;i<=n;i++){
int c=s[i]-'a'+1;
if(!ch[x][c]) ch[x][c]=++cnt;
x=ch[x][c];
}
mk[x]++;
}
};
class Acam:public Trie{//Class 继承
public:
int fail[N];
void build(){
for(int i=1;i<=26;i++) ch[0][i]=1;
queue<int> q({1});
while(q.size()){
int x=q.front();q.pop();
for(int i=1;i<=26;i++)
if(ch[x][i]) fail[ch[x][i]]=ch[fail[x]][i],q.push(ch[x][i]);
else ch[x][i]=ch[fail[x]][i];
}
}
int fapp(char*s){
int n=strlen(s+1),x=1,res=0;
for(int i=1;i<=n;i++){
x=ch[x][s[i]-'a'+1];
for(int j=x;j&&mk[j]!=-1;j=fail[j])
res+=mk[j],mk[j]=-1;
}
return res;
}
}m;
int num;
char s[N];
int main(){
scanf("%d",&num);
for(int i=1;i<=num;i++)
scanf("%s",s+1),m.insert(s);
m.build();
scanf("%s",s+1);
printf("%d\n",m.fapp(s));
return 0;
}
可是如果字符串一多,字典树一大,那么那个重要的语句:
for(int j=x;j&&mk[j]!=-1;j=fail[j])
res+=mk[j],mk[j]=-1;
反而会造成时间超限,如这道例题:
洛谷P5357 【模板】AC自动机(二次加强版)
如果你直接按上面的代码改改,会 。
是时候优化如上穿梭指针语句了,那么怎么优化呢?我们发现如果把 看成一些边,就会构成一个 ,而答案更新又是按照 数组跳指针的,这时我们必须有想到一个算法的直觉:拓扑排序。
因为不跳 了,所以就不需要 数组标记以 节点为结尾的字符串数了。因为要拓扑排序,所以记录每个字符串编号 的终止节点 。所以 函数长这样:
void insert(char*s,int x){
int n=strlen(s+1),p=1;
for(int i=1;i<=n;i++){
int c=s[i]-'a'+1;
if(!ch[p][c]) ch[p][c]=++cnt;
p=ch[p][c];
}
en[x]=p;
}
然后AC自动机的 构造函数不变,因为要拓扑求答案,所以对于每个字符,只需要在该字符结尾的最长串加上标记即可。所以 求答案函数要变成这样:
void fapp(char*s){
int n=strlen(s+1),p=1;
for(int i=1;i<=n;i++)
//mk[p=ch[p][s[i]-'a'+1]]++; 这么写对萌新不友好
p=ch[p][s[i]-'a'+1],mk[p]++;
}
然后按 指针加反边:
for(int i=2;i<=m.cnt;i++) g[m.fa[i]].push_back(i);
然后拓扑求答案即可:
void dfs(int x){
for(auto to:g[x]) dfs(to),m.mk[x]+=m.mk[to];
}
最后对于每个字符串编号 , 就是该模式字符串在文本串中出现的次数。如果你都懂了,那么蒟蒻就放代码了:
#include <bits/stdc++.h>
using namespace std;
const int N=2e5+10,T=2e6+10;
class Trie{
public:
int cnt,ch[N][30],en[N],mk[N];
Trie(){cnt=1;}
void insert(char*s,int x){
int n=strlen(s+1),p=1;
for(int i=1;i<=n;i++){
int c=s[i]-'a'+1;
if(!ch[p][c]) ch[p][c]=++cnt;
p=ch[p][c];
}
en[x]=p;
}
};
class Acam:public Trie{
public:
int fa[N];
void build(){
for(int i=1;i<=26;i++) ch[0][i]=1;
queue<int> q({1});
while(q.size()){
int x=q.front();q.pop();
for(int i=1;i<=26;i++)
if(ch[x][i]) fa[ch[x][i]]=ch[fa[x]][i],q.push(ch[x][i]);
else ch[x][i]=ch[fa[x]][i];
}
}
void fapp(char*s){
int n=strlen(s+1),p=1;
for(int i=1;i<=n;i++)
mk[p=ch[p][s[i]-'a'+1]]++;
}
}m;
int n;
char s[T];
vector<int> g[N];
void dfs(int x){
for(auto to:g[x]) dfs(to),m.mk[x]+=m.mk[to];
}
int main(){
scanf("%d",&n);
for(int i=1;i<=n;i++) scanf("%s",s+1),m.insert(s,i);
m.build(),scanf("%s",s+1),m.fapp(s);
for(int i=2;i<=m.cnt;i++) g[m.fa[i]].push_back(i);
dfs(1);
for(int i=1;i<=n;i++) printf("%d\n",m.mk[m.en[i]]);
return 0;
}
学字符串数据结构之路( 表示单前位置):
蒟蒻前途不可斗量,蒟蒻必须努力,不停下奋斗的脚步。
祝大家学习愉快!