[Alg] 文本匹配-单模匹配与多模匹配

实际场景：

网站的用户发了一些帖子S1, S2,...，网站就要审核一下这些帖子里有没有敏感词。

1. 如果网站想查一下帖子里有没有一个敏感词P，这个文本匹配要怎么做更快？

2. 如果网站想查一下帖子里有没有敏感词P1, P2,...，这个文本匹配要怎么做更快？

单模匹配与多模匹配

从以上的实际场景中，可以抽象出来两类文本匹配的问题。这里首先将"帖子"抽象为待匹配的序列S，将"敏感词"抽象为模式串P。那目标就是看看序列S中是否包含模式串P。

如果模式串P只有一个，要看看序列S中是否包含P，我们称这是单模匹配问题；

如果模式串有多个P1, P2,...，要将序列S中出现的所有模式串全部找出来，我们称这是多模匹配问题。

单模匹配常用算法-KMP、BM、Sunday

效率：KMP < BM < Sunday

对于单模匹配问题，要如何做？

暴力：如果分别从序列S和模式串P的第一个字符开始匹配，遇到不匹配的，则回到当前序列开始字符的下一个字符，和模式串的第一个字符来匹配，对于大规模文本非常不可行。

所以提出了KMP、BM、Sunday等算法进行优化。

多模匹配常用算法-字典树、AC、WM

对于多模匹配问题，常用的算法

1. 构建字典树。

2. AC算法。对于1中最简单的字典树，遇到不匹配的，又重新回根节点再次判断，并不能充分利用模式串的信息。可以参考KMP寻找next的方法，为字典树的节点找fail时跳转的节点，加速。

3. WM算法。

算法详解

<1> 单模匹配

1. KMP: https://www.cnblogs.com/shiyublog/p/12494790.html

2. BM： https://www.cnblogs.com/zhangtianq/p/5839909.html

3. Sunday: https://www.cnblogs.com/shiyublog/p/12601886.html

<2> 多模匹配

1. AC: https://www.cnblogs.com/shiyublog/p/12494120.html

2. WM: https://www.cnblogs.com/shiyublog/p/12616964.html