AC自动机通过构建Trie树、失败指针和执行匹配实现高效多模式串查找，时间复杂度为O(n + m + z)，适用于大规模关键词匹配。
AC自动机（Aho-Corasick Automaton）是一种用于高效解决多模式串匹配的经典算法。当需要在一个主串中查找多个模式串是否出现时，使用AC自动机比逐个进行KMP或暴力匹配要高效得多。C++实现AC自动机主要包含三个步骤：构建Trie树、构建失败指针（fail指针）、执行匹配。
构建Trie树
将所有模式串插入到Trie树中，每个节点代表一个字符，路径从根到叶表示一个完整的模式串。同时在每个节点记录是否为某个模式串的结尾，并保存对应的模式串编号或出现次数。
- 每个节点用数组或map存储子节点指针 - 设置一个标记变量表示该节点是否为某个模式串的结束 - 可额外记录模式串索引或数量示例结构：
struct Node {
int next[26]; // 假设只有小写字母
bool isEnd;
int id; // 模式串编号
Node() {
fill(next, next + 26, -1);
isEnd = false;
id = -1;
}
};
vector<Node> trie(1); // 初始化根节点
构建失败指针（Fail指针）
失败指针的作用类似于KMP中的next数组，用于在匹配失败时跳转到最长公共前后缀的位置。通过BFS遍历Trie树来构建fail指针。
立即学习“C++免费学习笔记（深入）”；
Blender Geometry Nodes Script Generator
下载
生成Blender Python (bpy)脚本，该脚本使用node_groups API和GeometryNodeTree接口程序化地创建几何节点修改器树，用于参数化3D资产生成。
BFS过程伪代码逻辑：
queue<int> q;
for (int i = 0; i < 26; ++i) {
if (trie[0].next[i] != -1) {
int child = trie[0].next[i];
fail[child] = 0;
q.push(child);
}
}
while (!q.empty()) {
int u = q.front(); q.pop();
for (int i = 0; i < 26; ++i) {
int &v = trie[u].next[i];
int f = fail[u];
if (v != -1) {
while (f != -1 && trie[f].next[i] == -1) f = fail[f];
fail[v] = (f == -1) ? 0 : trie[f].next[i];
q.push(v);
}
}
}
执行多模式匹配
从主串第一个字符开始，在Trie树上逐字符转移状态。如果当前节点没有对应子节点，则通过fail指针回溯，直到可以转移或回到根节点。
- 遍历主串每个字符c - 当前状态为cur，尝试转移到trie[cur].next[c-'a'] - 若无法转移，通过fail链寻找可转移位置 - 每到达一个节点，沿fail链回溯所有可能的模式串结尾并记录结果关键匹配逻辑：
int cur = 0;
for (char c : text) {
int idx = c - 'a';
while (cur != -1 && trie[cur].next[idx] == -1)
cur = fail[cur];
cur = (cur == -1) ? 0 : trie[cur].next[idx];
<pre class="brush:php;toolbar:false;">int temp = cur;
while (temp != 0) {
if (trie[temp].isEnd) {
cout << "Pattern found at position: "
<< i - pattern_len + 1 << endl;
}
temp = fail[temp];
}}
优化建议：
- 使用静态数组代替vector以提升性能
- 合并重复模式串避免冗余
- 在构建fail指针时同时更新输出链（output link），避免每次匹配都遍历fail链
基本上就这些。AC自动机的时间复杂度为O(n + m + z)，其中n是主串长度，m是所有模式串总长度，z是匹配次数，非常适合大规模多关键词匹配场景。
