字串的去除敏感字元

l:「****」「****」「you」「hide」「york」

s:「shide****me********you」

輸出：s中包含的l乙個單詞，要求這個單詞只出現一次，如果有多個出現一次的，輸出第乙個這樣的單詞

怎麼做？

字串匹配問題。

暴力的話，用字典樹儲存l，剩下來就是暴力破解了

構建字典樹o(n_l), 暴力法的話，最多複雜度為： o(

nl平均

長度∗m

) 最近看ac自動機，其實這道題也是可以用ac自動機解決， **如下：

#include "stdio.h"
#include "string.h"
#define max_word_len 51
struct node
};node* q[max_word_len];
node *root;
int head, tail;
void insert(char *str) 
p->isword = true;
}void build_ac() else 
q[tail++] = p->next[i];}}
}}void sensitify(char *str, int begin, int size) 
}void dealstr(char *str)  else 
}temp = temp->fail;  //this is the longest match, and some times we could not find uck in ****, so we need to check fail pointer recursively }}
}}int main()
build_ac();
scanf("%s", str);
dealstr(str);
printf("%s\n", str);}}

首先介紹一下字典樹，形如下圖：

經常用於字串的查詢。具體**為：

void insert(char *str) 
p->isword = true;
}

其中字元資訊儲存在 next[charindex], 非空即為當前狀態能接受該字元。或許將字元資訊畫在邊上會更契合點。

接著是ac自動機

ac自動機的原理：每乙個節點都會有乙個 fail 指標，表示當當前節點無法接受當前字元時，應該跳轉的位置，一般為當前已接受字元的字尾式中能被ac機接受的字串。通俗的來講，當前字串為goa時，字尾式「oa」「a」中「a」能被ac機接受（狀態2）也就是狀態5的 fail 指標應該是狀態2. 如下圖：

當輸入字串 input 為 goat 時，狀態轉至 5 時，由於當前狀態無法處理字元 t，轉到 fail 指標（狀態2），檢視是否能處理字元 t，正好能處理，進入狀態4。這一過程讀取 input 的指標並沒有回退，也就是整個過程演算法的時間複雜度為o(

ninp

ut_l

en∗t

imea

vera

ge_s

earc

h_ti

me)

具體**：

void dealstr(char *str)  else 
}temp = temp->fail;  //this is the longest match, and some times we could not find uck in ****, so we need to check fail pointer recursively }}
}}

上面的 temp = temp->fail 的功能可以嘗試把while 去掉，嘗試輸入

2 **** uck ****ersayfuuuck****you

檢視輸出結果。

接下來是如何求 fail 指標。這裡面要處理的問題是：

1）確保失配時，跳轉的 fail 指標應該是最長匹配。

首先演算法的基本框架是bfs。

詳細**是

void build_ac()}}
}

重點在設定 fail 指標：

if (p == root)  else

首先 root 下的所有可接受字元的 fail 指標為自身。

接著其他字元的 fail 指標為遞迴遍歷父指標的 fail 指標中能夠接受當前字元，如果實在沒有，則指向 root，表示當前的字串不存在能接受的 keyword，重置狀態。

舉個例子：

狀態 3 i=a 的時候，檢視狀態 3 的 fail 指標 root，恰好能接受 i=a，於是狀態5 的 fail 指標指向狀態 2.

其實可以把乙個節點的所有一系列（通過遞迴獲取） fail 指標看作狀態機的同乙個狀態。感興趣可以檢視編譯原理裡面的狀態轉移。

那怎麼確定當前取得的 fail 指標是最長匹配呢比如 blue ue e ， blue e 的 fail 指標應該指向 ue 的 e，而不是 e 呢？原因在他的父親節點 u 的 fail 指標指向的是 ue 的 u，所以 blue 的 e fail 指標指向的是 ue 的 e，同時 ue 的 e 指向的是 e 的 e。好繞 0.0

後記：

字典樹中使用 next[26] 來儲存字元資訊，有些浪費。如果關鍵字很稀疏的話，大部分的指標空閒，造成浪費。如果只用 node *next，char contant儲存的話，每次查詢的時候都需要遍歷next，如果關鍵字很密集的話，時間開銷過大

鳴謝帶我入門的blog ac自動機演算法

字串的去除敏感字元

字串去除特定字元

C 去除字串首尾字元或字串

C 去除字串首尾字元或字串

字串的去除敏感字元

字串去除特定字元

C 去除字串首尾字元或字串

C 去除字串首尾字元或字串

相關推薦