Python算法实践——AC自动机

来源:互联网 发布:js 数组元素 函数 编辑:程序博客网 时间:2024/06/16 03:56

由于平时编程项目时会用到Python,索性就自学了一段时间,发现Python还是很好用的,有点爱不释手。第一篇博客就献给AC自动机,这也是我所见过的神奇算法之一。

AC自动机是一种多模匹配算法,所谓多模匹配,就是模式串有多个。其主要的步骤分为三步:

1.用模式串建立字典树

字典树(Trie树)是一种变种的哈希数,存放字符串非常方便,查找效率也比较高。字典树中存放的字符串即是从根到叶子路径上所有结点值,每次插入新的字符串,在遍历字符串的同时,从根结点开始查找,若字符出现在当前结点的子结点,则转到子结点继续查找下一个字符,否则将该字符插到当前结点的子结点中。这里Python语言由于没有C/C++的结构体,所以使用类来构建出结点类。此外使用LIST类型来存放结点的子结点。

2.KMP处理

提到模式匹配,KMP肯定是不能少的。KMP中优化的核心便是NEXT数组,其每次匹配失败时均根据NEXT数组选择合适的位置开始匹配 ,而不是从头开始。同样的策略自动机也有,在自动机中,我们是Fail指针指向一个结点,当匹配失败时,则转到该结点的Fail结点继续回溯。

3.模式匹配

在AC自动机建立好后,就可以在自动机上匹配字符串上了,另外Python3默认使用兼容ASCII的UTF-8编码,简化了Python2中的编码问题,所以中文也是可以匹配的。

附上Python3代码:


#结点类class node:    def __init__(self,ch):        self.ch = ch            #结点值        self.fail = None        #Fail指针        self.tail = 0           #尾标志:标志为 i 表示第 i 个模式串串尾        self.child = []         #子结点        self.childvalue = []    #子结点的值        #AC自动机类class acmation:             def __init__(self):                         self.root = node("")                      #初始化根结点        self.count = 0                            #模式串个数        #第一步:模式串建树    def insert(self,strkey):             self.count += 1                             #插入模式串,模式串数量加一        p = self.root        for i in strkey:            if i not in p.childvalue:               #若字符不存在,添加子结点                child = node(i)                p.child.append(child)                p.childvalue.append(i)                p = child            else :                                  #否则,转到子结点                p = p.child[p.childvalue.index(i)]        p.tail = self.count                         #修改尾标志        #第二步:修改Fail指针    def ac_automation(self):                                                        queuelist = [self.root]                     #用列表代替队列        while len(queuelist):                       #BFS遍历字典树            temp = queuelist[0]            queuelist.remove(temp)                  #取出队首元素            for i in temp.child:                if temp == self.root:               #根的子结点Fail指向根自己                    i.fail = self.root                else:                    p = temp.fail                   #转到Fail指针                    while p:                                                if i.ch in p.childvalue:    #若结点值在该结点的子结点中,则将Fail指向该结点的对应子结点                            i.fail = p.child[p.childvalue.index(i.ch)]                            break                        p = p.fail                  #否则,转到Fail指针继续回溯                    if not p:                       #若p==None,表示当前结点值在之前都没出现过,则其Fail指向根结点                        i.fail = self.root                queuelist.append(i)                 #将当前结点的所有子结点加到队列中              #第三步:模式匹配    def runkmp(self,strmode):                               p = self.root        cnt = {}                                    #使用字典记录成功匹配的状态                                     for i in strmode:                           #遍历目标串            while i not in p.childvalue and p is not self.root:                p = p.fail            if i in p.childvalue:                   #若找到匹配成功的字符结点,则指向那个结点,否则指向根结点                p = p.child[p.childvalue.index(i)]            else :                                                  p = self.root            temp = p            while temp is not self.root:                               if temp.tail:                    #尾标志为0不处理                                if temp.tail not in cnt:                           cnt.setdefault(temp.tail)                           cnt[temp.tail] = 1                       else:                           cnt[temp.tail] += 1                   temp = temp.fail        return cnt                                  #返回匹配状态        #如果只需要知道是否匹配成功,则return bool(cnt)即可        #如果需要知道成功匹配的模式串种数,则return len(cnt)即可


0 0
原创粉丝点击