改进AC算法用于多模式匹配和检测非连续子序列

一、背景

AC算法进行多模式匹配的原理文章是1975年的Efficient string matching: an aid to bibliographic search一文。

对该算法进行比较好解释的网络文章是:https://blog.csdn.net/lemon_tree12138/article/details/49335051

但是,该算法无法完成非连续子序列的多模式匹配查找

AC算法的优势是降低计算复杂度,对目标序列进行一次扫描,即可查找所有匹配到的模式。

二、我的改进算法:

以字符串“uhiteeceh”为例,设定需要匹配的模式串为“it/hit/ice/itch”,传统的AC算法构造的自动机如下图所示。具体过程可以见前述背景中的论文和网文。由于检测的是连续子序列,可以在“uhiteeceh”中检测到两种模式“it/hit”。而对于另外两种模式“ice/itch”,则无法查找。

改进AC算法用于多模式匹配和检测非连续子序列

为了检测非连续子序列,我提出了改进算法。保留AC算法的Success表,去除AC算法的Failure表。算法流程图如下:

改进AC算法用于多模式匹配和检测非连续子序列

仍以字符串“uhiteeceh”为例,设定需要匹配的模式串为“it/hit/ice/itch”,但是查找非连续子序列,过程如下:

改进AC算法用于多模式匹配和检测非连续子序列

相关推荐