Java AC自动机实战：构建高效敏感词过滤系统

1. AC自动机算法简介

AC自动机（Aho-Corasick Automaton）是一种高效的多模式字符串匹配算法，由Alfred V. Aho和Margaret J. Corasick于1975年提出。它能在单次扫描文本的同时，检测出所有预定义的模式串（比如敏感词），时间复杂度仅为O(n)，与模式串的数量和长度无关。

这个算法特别适合构建敏感词过滤系统，因为它能同时处理成千上万个敏感词，而不会像传统方法那样随着词库增长而性能下降。举个例子，假设我们要过滤"赌博"、"毒品"等敏感词，AC自动机会把这些词构建成一个状态机，检查文本时就像用一把"梳子"快速梳理所有可能性。

2. 核心原理与数据结构

2.1 Trie树基础

AC自动机的核心是基于Trie树（字典树）构建的。Trie树是一种多叉树结构，每个节点代表一个字符，从根节点到某个节点的路径就构成一个字符串前缀。比如敏感词"java"和"python"会共享根节点到"p"节点的路径。

class TrieNode {
    Map<Character, TrieNode> children = new HashMap<>();
    boolean isEnd; // 标记是否为敏感词结尾
    TrieNode fail; // 失败指针
}

2.2 失败指针机制

这是AC自动机的精髓所在。每个节点都有一个fail指针，当匹配失败时，不是从头开始，而是跳转到另一个节点继续匹配。这类似于KMP算法中的next数组，但是扩展到多模式匹配场景。

构建fail指针的过程采用BFS遍历：

1. 根节点的fail指向自己
2. 第一层节点fail指向根节点
3. 其他节点的fail指向父节点fail指针对应字符的子节点

2.3 双数组优化

原始Trie树用Map存储子节点，虽然灵活但性能不够理想。双数组Trie（Doub