天天看点

敏感词过滤:AC自动机单模式串匹配多模式串匹配目标原理AC自动机算法步骤构建AC自动机步骤失败指针代码实现

单模式串匹配

单模式串匹配是一个模式串,对应一个主串,即在一个主串中值查找这一个模式串;

相关算法有:bf,rk,bm,kmp

多模式串匹配

多模式串为多个模式串跟一个主串查找匹配,即在一个主串中查找多个模式串;

相关算法有:Trie树,AC自动机

针对敏感词过滤,敏感词的集合即为模式串的集合,用户的输入为一个主串,所以在一个主串中查找多个模式串,这样用多模式串匹配比较高效。

目标

仅需要扫描一次主串,就能在主串中一次性查找到多模式串是否存在,与单模式串循环多次循环模式串,分别去匹配子串大大提高匹配的效率。

原理

单模式匹配KMP中,为了提高效率,预处理维护next哈希表,来映射失败时候,模式串回退的节点位置,提升匹配效率。而AC自动机也是同样思路,在多模式串组成的Trie树,来维护失败时候,模式串回退的节点位置,来提高匹配效率。

AC自动机算法步骤

  1. 将多模式串构建成AC自动机。(预处理)
  2. AC自动机中匹配主串。

构建AC自动机步骤

  1. 构建Trie树。
  2. 在 Trie 树上构建失败指针(相当于 KMP 中的失效函数 next 数组)。

失败指针

  1. trie树的广度优先遍历。 todo
  2. 类似KMP的next数组一样,在多维的Trie树上构建next失败指针。

代码实现

todo

继续阅读