人工智能|机器学习——Aho-Corasic多模匹配算法的学习、理解和应用（Python）

一、Aho-Corasic算法Python使用官方教程

pyahocorasick — ahocorasick documentation

二、Aho-Corasic算法的定义及功能

2.1 Aho-Corasick算法的定义

Aho-Corasick（简称为AC自动机），是一种基于前缀的，使用了确定有限自动机(DFA)原理的，字符串多模匹配算法。

什么是DFA?

• DFA也就是 确定有限自动机，英文全称是Deterministic Finite Automaton。具体的细节介绍，可以参照百度百科、维基百科，以及《算法导论》之类的算法书。在这里，我们尝试用通俗的语言和图示来解释一遍。

我们一个一个字母的来解释DFA的含义：

• 首先， 什么是自动机(A)。自动机就是一个代码块。这段代码块只做一件事，那就是接收输入值和状态值，输出同为状态值的结果。图表述如下：

• 

•  其次，下一个字母—— 有限(F)，是指自动机接收、输入的状态种类是有限的。而相对应的，非有限自动机的状态就是有无限种的。
• 再者，下一个字母—— 确定的(D)，是指自动机的输出状态是单一的一个状态。如果不太好理解的话，那就是看一下对应的非确定自动机。这种自动机的输出状态，就不是单一的，而是许多个状态的集合。用图示来表述，就是下面这样:（先有限，后无限）

• 

• 

所以三个字母合起来以后， DFA 的意思就像英文全称一样了， 是一种状态值种类有限，且返回结果单一的自动机。 简单的代码例子：

def automata (value, state):
    if state == 0:
        if value == 'a':
            return 0
        elif value == 'b':
            return 1

    elif state == 1:
        if value == 'a':
            return 0
        elif value == 'b':
            return 1

上面的这段代码，其内部的状态转化逻辑，可以用图示（也就是所谓的状态转化图）表示: