字符串学习笔记

AC自动机

定义：

$KMP + Trie = AC自动机$ 。

根据 KMP 算法的原理为 Trie 树每个节点建立失配指针进行多模式匹配。

Trie 树：

Trie 中的结点表示的是某个模式串的前缀（状态）。Trie 的边就是状态的转移，将 Trie 树构建后的所有状态的集合记作 $Q$ 。

失配（fail）指针：

状态 $u$ 的 fail 指针指向另一个状态 $v$ ，其中 $v \in Q$ ，且 $v$ 是 $u$ 的最长后缀.

fail 指针与 KMP next 指针的区别：

共同点：两者同样是在失配的时候用于跳转的指针。
不同点：next 指针求的是最长 Border（即最长的相同前后缀），而 fail 指针指向的是所有模式串的前缀中，匹配当前状态的最长后缀。

算法：

构建 fail 指针:

考虑字典树中当前的结点 $u$ ， $u$ 的父结点是 $p$ ， $p$ 通过字符 $c$ 的边指向 $u$ ，即 $t r i e [p, c] = u$ 。假设深度小于 $u$ 的所有结点的 fail 指针都已求得。

如果 $trie [fail [p], c]$ 存在：则让 $u$ 的 $f a i l$ 指针指向 $trie [fail [p], c]$ 。相当于在 $p$ 和 $fail [p]$ 后面加一个字符 $c$ ，分别对应 $u$ 和 $f a i l [u]$ 。
如果 $trie [fail [p], c]$ 不存在：那么我们继续找到 $trie [fail [fail [p]], c]$ 。重复 1 的判断过程，一直跳 fail 指针直到根结点。
如果真的没有，就让 fail 指针指向根结点。

如此即完成了 $fail [u]$ 的构建。

（如果父亲有对应自己字符指针就随父亲，否则一直找父亲的指针）

 void build() {
  for (int i = 0; i < 26; i++)
    if (tr[0][i]) q.push(tr[0][i]);
  while (q.size()) {
    int u = q.front();
    q.pop();
    for (int i = 0; i < 26; i++) {
      if (tr[u][i])
        fail[tr[u][i]] = tr[fail[u]][i], q.push(tr[u][i]);
      else
        tr[u][i] = tr[fail[u]][i];
    }
  }
}

在构建自动机时，每次匹配都会一直向 fail 指针跳边来找到所有的匹配，但是这样的效率较低，需要优化建图。

可以按照 fail 树建图。

 queue<int> q;
void bfs(){ //nxt == fail
	for(int i=0;i<26;++i) ch[0][i]=1;
	q.push(1),nxt[1]=0;
	while(!q.empty()){
		int x=q.front(),v;q.pop();
		for(int i=0;i<26;++i){
			if(!ch[x][i]) ch[x][i] = ch[nxt[x]][i];
			else{
				q.push(ch[x][i]),v=nxt[x];
				while(v && !ch[x][i]) v=nxt[v];
				nxt[ch[x][i]]=ch[v][i];
			}
		}
	}
}

例题：

P3796 【模板】AC 自动机（加强版）

需要找出哪些模式串在文本串 $T$ 中出现的次数最多

在文本串 $S$ 匹配到第 $i$ 位的时候可以根据 $f a i l$ 指针找出当前串 $S [1, i]$ 的所有后缀是否在树中出现过，并更新对应的模式串出现次数。

之后排序即可输出最大值。

 #include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int N=1e5+105,inf=0x3f3f3f3f;
 
struct Tree {int fail,end,vis[26];}AC[N];
int cnt;
string s[N];
 
struct Res{int num,pos;}Ans[N];
 
bool operator <(const Res &a,const Res &b){
    if(a.num!=b.num) return a.num>b.num;
    else return a.pos<b.pos;
}
void Clean(int x){memset(AC[x].vis,0,sizeof AC[x].vis),AC[x].fail=AC[x].end=0;}
 
inline void Build(string s,int Num){
    int l=s.size();
    int now=0;
    for(int i=0,c;i<l;++i){
        c=s[i]-'a';
        if(AC[now].vis[c]==0) 
            AC[now].vis[c]=++cnt,Clean(cnt);
        now=AC[now].vis[c];
    }
    AC[now].end=Num;
}
 
void Get_fail(){
    queue<int> Q;
    for(int i=0;i<26;++i)
        if(AC[0].vis[i]!=0)
            AC[AC[0].vis[i]].fail=0,Q.push(AC[0].vis[i]);
    while(!Q.empty()){
        int u=Q.front(),fail=AC[u].fail;
        Q.pop();
        for(int i=0,v;i<26;++i){
            v=AC[u].vis[i];
            if(v!=0) AC[v].fail=AC[fail].vis[i],Q.push(v);
            else AC[u].vis[i]=AC[AC[u].fail].vis[i];
        }
    }
}
 
int AC_Query(string s){
    int l=s.size();
    int now=0,ans=0;
    for(int i=0;i<l;++i){
        now=AC[now].vis[s[i]-'a'];
        for(int t=now;t;t=AC[t].fail) ++Ans[AC[t].end].num;
    }
    return ans;
}
 
int main(){
    int n;
    while(1){
        cin>>n;if(n==0) break;
        cnt=0,Clean(0);
        for(int i=1;i<=n;++i) cin>>s[i],Ans[i]={0,i},Build(s[i],i);
        AC[0].fail=0,Get_fail();
        cin>>s[0],AC_Query(s[0]);
        sort(Ans+1,Ans+1+n);
        cout<<Ans[1].num<<'\n';
        cout<<s[Ans[1].pos]<<'\n';
        
        for(int i=2;i<=n;++i){
            if(Ans[i].num == Ans[i-1].num) cout<<s[Ans[i].pos]<<'\n';
            else break;
        }
    }
    return 0;
}

是为 AC 自动机模板题。

P5231 [JSOI2012] 玄武密码

对于所有模式串 $T$ ，求出其最长的前缀 $p$ ，满足 $p$ 是文本串 $S$ 的子串。

先跑一边 AC 自动机，处理出 fail 数组，然后再把文本串匹配一下，可以获得 vis 数组，代表着 trie 树上的这个点是文本串的前缀。最后只需要再每个模式串跑一遍 trie 树，就可以得到最长的公共前缀长度了。

 #include<bits/stdc++.h>
using namespace std;
const int N=1e7+105,M=1e5+105;
 
inline int mk(char c){if(c=='E') return 1;if(c=='W') return 2;if(c=='S') return 3;return 4;}
 
int n,m;
int tr[N][5],tt,fail[N],ep[N];
bool vis[N];
char T[M][105],S[N];
 
void ins(char *s,int len){
    int u=0;
    for(int i=0,c=s[0];i<len;++i,c=s[i])
        u = tr[u][c] ? tr[u][c] : tr[u][c]=++tt;
    ++ep[u];
}
 
queue<int> q;
void build(){
    for(int i=0;i<5;++i) if(tr[0][i]) q.push(tr[0][i]),fail[tr[0][i]]=0;
    while(!q.empty()){
        int u=q.front();q.pop();
      for(int i=0;i<5;++i){
        if(tr[u][i]) fail[tr[u][i]]=tr[fail[u]][i],q.push(tr[u][i]);
        else tr[u][i]=tr[fail[u]][i];
      }
    }
    int p=0;
    for(int i=0;i<n;++i){
      p=tr[p][S[i]];
      for(int k=p;k&&!vis[k];k=fail[k]) vis[k]=1;
    }
}
 
int query(char *s){
    int len=strlen(s),p=0,res=0;
    for(int i=0;i<len;++i){
        p=tr[p][s[i]];
        if(vis[p]) res=i+1;
	}
	return res;
}
 
int main(){
	scanf("%d%d",&n,&m);
	scanf("%s",S);
	for(int i=0;i<n;++i) S[i]=mk(S[i]);
	for(int i=1,l;i<=m;++i){
		scanf("%s",T[i]),l=strlen(T[i]);
		for(int j=0;j<l;++j) T[i][j]=mk(T[i][j]);
		ins(T[i],l);
	}
	build();
	for(int i=1;i<=m;++i)
		printf("%d\n",query(T[i]));
		
  return 0;
}

PAM（回文自动机）

待补充

SAM（后缀自动机）

待补充

Lyndon 分解

定义：

定义一个串是 $Lyndon$ 串，当且仅当此串的最小后缀为此串本身。

等价于该串为它所有循环表示中字典序最小的。

$Lyndon$ 分解将任意串 $S$ 划分成字符串序列，满足序列中每个串均为 $Lyndon$ 串且每个串字典序均大于等于其之后的串。

可以证明这种划分存在且唯一，证明略。

算法：

引理 1：若串 $u$ 和 $v$ 都是 $Lyndon$ 串且 $u < v$ ，则 $u + v$ 也是 $Lyndon$ 串。

证明略。

引理2：若字符串 $u$ 和字符 $c$ 满足 $u + c$ 是某个 $Lyndon$ 串的前缀，则对于字符 $d > c$ 有 $u + d$ 是 $Lyndon$ 串。

证明：

设该 $Lyndon$ 串为 $u + c + t$ 。

则根据性质就有 $\forall i \in [2, l e n (u)], u [i :] + c + t > u + c + t$ ，

也就是说 $u [i :] + c \geq u$ ，(即为 $u$ 的后缀加上字符 $c$ 后字典序仍比 $u$ 大)。

所以就有 $u [i :] + d > u [i :] + c \geq u$ 。

同时因为 $c > u [1]$ ，就有 $d > c > u [1]$ 。

故 $u + d$ 为 $Lyndon$ 串。

$Duval$ 算法:

这个算法可以在 $O (n)$ 时间复杂度， $O (1)$ 空间复杂度内求出一个字符串 $S$ 的 $Lyndon$ 分解。

维护三个变量 $i, j, k$ ， $i, k$ 将字符串分为三段。

$S [: i - 1]$ 为已经分解好且满足字典序非递增的 $g$ 个 $Lyndon$ 串。（ $s_{1} s_{2} s_{3} \dots s_{g}$ )

$S [i, k - 1] = t^{h} + v (h > 1)$ 尚未分解，满足 $t$ 是 $Lyndon$ 串，且 $v$ 是 $t$ 的一个可为空且不等于 $t$ 的前缀，且有 $s_{g} > S [i, k - 1]$

程序实现时按顺序读入字符 $S [k]$ ，令 $j = k - | t |$ 。

以 $S [j]$ 和 $S [k]$ 为依据分类讨论。

当 $S [k] = S [j]$ 时，直接 $k \leftarrow k + 1, j \leftarrow j + 1$ ，尾部字符串 $v$ 的周期 $k - j$ 继续保持
当 $S [k] > S [j]$ 时，由 引理 2 可知 $v + S [k]$ 是 $Lyndon$ 串，由于 $Lyndon$ 分解需要满足 $s_{i} \geq s_{i + 1}$ ，所以继续向前合并，并且最终整个 $t^{h} + v + S [k]$ 会形成一个新的 $Lyndon$ 串（所以将 $j$ 调回 $i$ 的位置继续判断）。
当 $S [k] < S [j]$ 时， $t^{h}$ 的分解被固定下来，算法从 $v$ 的开头处重新开始，之前的都归到 $i$ 前的第一部分。

$i$ 只会单调往右移动，同时 $k$ 每次移动的距离不会超过 $i$ 移动的距离，所以时间复杂度是 $O (n)$ 的。

核心代码：

 for(int i=1;i<=n;){
	int j=i,k=i+1;
	while(k<=n && s[k]>=s[j]){ //前两种情况
		if(s[k]>s[j]) j=i;
		else ++j;
		++k;
	}
	while(i<=j){
        // 在此处获取字串信息
        // 每个字串的长度均为 k-j
		i+=k-j;
	}
}

一个子串的左端点为 $i$ ，右端点为 $i + k - j - 1$ 。

例题：

P6114 【模板】Lyndon 分解

本题只需要输出所有右端点的异或和，在 while 循环中直接统计即可。

P1368 【模板】最小表示法

对于长度为 $n$ 的字符串 $S$ ，设 $T = S + S$ ，对 $T$ 进行 $Lyndon$ 分解，找到首字符位置 $\leq n$ 且最大的 $Lyndon$ 串，这个串的首字符即最小表示法的首字符。

 #include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int N=1e6+105,inf=0x3f3f3f3f;
 
int n,ans,s[N];
 
int main() {
	scanf("%d",&n);
	for(int i=1;i<=n;++i) scanf("%d",s+i),s[i+n]=s[i];
	int i=1;
	while(i<=n){
		int j=i,k=i+1;
		while(k<=n*2 && s[j]<=s[k]) 
			j = (s[j]==s[k++]) ? j+1 : i;
		while(i<=j) 
			i+=k-j,ans = i<=n ? i : ans;
	}
	for(int i=1;i<=n;++i) printf("%d ",s[ans-1+i]);
	printf("\n");
	return 0;
}

posted @ 2023-08-17 23:20 RoFtaCD 阅读(25) 评论(0) 编辑收藏举报

刷新页面返回顶部

登录后才能查看或发表评论，立即登录或者逛逛博客园首页

相关博文：

· 推式子的做题记录

· 多项式学习笔记

· 字符串处理 —— AC 自动机

· KMP复习 + AC自动机

· AC 自动机学习笔记

阅读排行：
· 地球OL攻略 —— 某应届生求职总结
· 周边上新：园子的第一款马克杯温暖上架
· Open-Sora 2.0 重磅开源！
· 提示词工程——AI应用必不可少的技术
· .NET周刊【3月第1期 2025-03-02】

公告

昵称： RoFtaCD
园龄： 1年7个月
粉丝： 2
关注： 13

+加关注

2025年3月

日

一

二

三

四

五

六

随笔分类

ZROI(14)

随笔档案

阅读排行榜

评论排行榜

1. 某早期定型文(1)

RoFtaCD

两眼一黑朝天去，免得闾阎话短长。

字符串学习笔记

AC自动机

定义：

Trie 树：

失配（fail）指针：

fail 指针与 KMP next 指针的区别：

算法：

构建 fail 指针:

例题：

P3796 【模板】AC 自动机（加强版）

P5231 [JSOI2012] 玄武密码

PAM（回文自动机）

SAM（后缀自动机）

Lyndon 分解

定义：

算法：

$Duval$ 算法:

例题：

P6114 【模板】Lyndon 分解

P1368 【模板】最小表示法

公告

搜索

常用链接

随笔分类

随笔档案

阅读排行榜

评论排行榜

推荐排行榜

最新评论

目录导航

	void build() {
	for (int i = 0; i < 26; i++)
	if (tr[0][i]) q.push(tr[0][i]);
	while (q.size()) {
	int u = q.front();
	q.pop();
	for (int i = 0; i < 26; i++) {
	if (tr[u][i])
	fail[tr[u][i]] = tr[fail[u]][i], q.push(tr[u][i]);
	else
	tr[u][i] = tr[fail[u]][i];
	}
	}
	}

	queue<int> q;
	void bfs(){ //nxt == fail
	for(int i=0;i<26;++i) ch[0][i]=1;
	q.push(1),nxt[1]=0;
	while(!q.empty()){
	int x=q.front(),v;q.pop();
	for(int i=0;i<26;++i){
	if(!ch[x][i]) ch[x][i] = ch[nxt[x]][i];
	else{
	q.push(ch[x][i]),v=nxt[x];
	while(v && !ch[x][i]) v=nxt[v];
	nxt[ch[x][i]]=ch[v][i];
	}
	}
	}
	}

	#include <bits/stdc++.h>
	using namespace std;
	typedef long long ll;
	const int N=1e5+105,inf=0x3f3f3f3f;

	struct Tree {int fail,end,vis[26];}AC[N];
	int cnt;
	string s[N];

	struct Res{int num,pos;}Ans[N];

	bool operator <(const Res &a,const Res &b){
	if(a.num!=b.num) return a.num>b.num;
	else return a.pos<b.pos;
	}
	void Clean(int x){memset(AC[x].vis,0,sizeof AC[x].vis),AC[x].fail=AC[x].end=0;}

	inline void Build(string s,int Num){
	int l=s.size();
	int now=0;
	for(int i=0,c;i<l;++i){
	c=s[i]-'a';
	if(AC[now].vis[c]==0)
	AC[now].vis[c]=++cnt,Clean(cnt);
	now=AC[now].vis[c];
	}
	AC[now].end=Num;
	}

	void Get_fail(){
	queue<int> Q;
	for(int i=0;i<26;++i)
	if(AC[0].vis[i]!=0)
	AC[AC[0].vis[i]].fail=0,Q.push(AC[0].vis[i]);
	while(!Q.empty()){
	int u=Q.front(),fail=AC[u].fail;
	Q.pop();
	for(int i=0,v;i<26;++i){
	v=AC[u].vis[i];
	if(v!=0) AC[v].fail=AC[fail].vis[i],Q.push(v);
	else AC[u].vis[i]=AC[AC[u].fail].vis[i];
	}
	}
	}

	int AC_Query(string s){
	int l=s.size();
	int now=0,ans=0;
	for(int i=0;i<l;++i){
	now=AC[now].vis[s[i]-'a'];
	for(int t=now;t;t=AC[t].fail) ++Ans[AC[t].end].num;
	}
	return ans;
	}

	int main(){
	int n;
	while(1){
	cin>>n;if(n==0) break;
	cnt=0,Clean(0);
	for(int i=1;i<=n;++i) cin>>s[i],Ans[i]={0,i},Build(s[i],i);
	AC[0].fail=0,Get_fail();
	cin>>s[0],AC_Query(s[0]);
	sort(Ans+1,Ans+1+n);
	cout<<Ans[1].num<<'\n';
	cout<<s[Ans[1].pos]<<'\n';

	for(int i=2;i<=n;++i){
	if(Ans[i].num == Ans[i-1].num) cout<<s[Ans[i].pos]<<'\n';
	else break;
	}
	}
	return 0;
	}

	#include<bits/stdc++.h>
	using namespace std;
	const int N=1e7+105,M=1e5+105;

	inline int mk(char c){if(c=='E') return 1;if(c=='W') return 2;if(c=='S') return 3;return 4;}

	int n,m;
	int tr[N][5],tt,fail[N],ep[N];
	bool vis[N];
	char T[M][105],S[N];

	void ins(char *s,int len){
	int u=0;
	for(int i=0,c=s[0];i<len;++i,c=s[i])
	u = tr[u][c] ? tr[u][c] : tr[u][c]=++tt;
	++ep[u];
	}

	queue<int> q;
	void build(){
	for(int i=0;i<5;++i) if(tr[0][i]) q.push(tr[0][i]),fail[tr[0][i]]=0;
	while(!q.empty()){
	int u=q.front();q.pop();
	for(int i=0;i<5;++i){
	if(tr[u][i]) fail[tr[u][i]]=tr[fail[u]][i],q.push(tr[u][i]);
	else tr[u][i]=tr[fail[u]][i];
	}
	}
	int p=0;
	for(int i=0;i<n;++i){
	p=tr[p][S[i]];
	for(int k=p;k&&!vis[k];k=fail[k]) vis[k]=1;
	}
	}

	int query(char *s){
	int len=strlen(s),p=0,res=0;
	for(int i=0;i<len;++i){
	p=tr[p][s[i]];
	if(vis[p]) res=i+1;
	}
	return res;
	}

	int main(){
	scanf("%d%d",&n,&m);
	scanf("%s",S);
	for(int i=0;i<n;++i) S[i]=mk(S[i]);
	for(int i=1,l;i<=m;++i){
	scanf("%s",T[i]),l=strlen(T[i]);
	for(int j=0;j<l;++j) T[i][j]=mk(T[i][j]);
	ins(T[i],l);
	}
	build();
	for(int i=1;i<=m;++i)
	printf("%d\n",query(T[i]));

	return 0;
	}

	for(int i=1;i<=n;){
	int j=i,k=i+1;
	while(k<=n && s[k]>=s[j]){ //前两种情况
	if(s[k]>s[j]) j=i;
	else ++j;
	++k;
	}
	while(i<=j){
	// 在此处获取字串信息
	// 每个字串的长度均为 k-j
	i+=k-j;
	}
	}

两眼一黑朝天去，免得闾阎话短长。

AC自动机

定义：

Trie 树：

失配（fail）指针：

fail 指针与 KMP next 指针的区别：

算法：

构建 fail 指针:

例题：

PAM（回文自动机）

SAM（后缀自动机）

Lyndon 分解

定义：

算法：

Duval 算法:

例题：

公告

搜索

常用链接

随笔档案

目录导航

$Duval$ 算法: