关于后缀数组,在刘汝佳的蓝书上已经有过介绍。关于算法的流程是比较详细的。但不过关于求sa数组的代码看起来就有一定的难度。
我看了很多博客,又在B站看了几遍视频,终于有一个大致的框图了,至于后缀数组是拿来干什么的就不要问我了。
首先关于算法流程这张经典的图
相信大家看过很多遍了吧
现在来看看代码
首先讲几个数组;
sa数组:在完成后缀数组前,表示关键字的排名的位置,下标表示名次,数组的值表示关键字的首字符的位置(0到n-1),遇到值相同的情况,名次由他们在原串中相对位置的先后决定。在完成后缀数组后,下标就表示名次对应的后缀的首字符的位置了。注意这个数组并不是上面的算法图中rank值对应的。
x数组:表示一个rank,下标表示关键字的位置,数组的值,表示关键字的大小,相同的值有相同的rank。初始化为字符串的每个字符大小,每次迭代后,根据sa的值重新赋值。
y数组:表示上一次排序后组合关键字的第二关键字的数组,下标表示第二关键字名次,数组的值表示组合关键字的首字符的位置。
for (int i = 0; i<m; i++) c[i] = 0;
for (int i = 0; i<n; i++)
c[x[i] = s[i] - 'a' + 1]++;
for (int i = 1; i<m; i++) c[i] += c[i - 1];
for (int i = n - 1; i >= 0; i--)
sa[--c[x[i]]] = i;
这一段就是一个简单的基数排序,或者说计数排序吧,其中c数组表示桶吧,这段代码不难的,需要注意的就是先根据x的值排序,x值相等时根据出现的先后顺序排序的。这样第一次的sa数组就完成了。
for (int k = 1; k <= n; k <<= 1)
开始进入迭代,根据倍增思想,k每一次翻倍。
int p = 0;
for (int i = n - k; i<n; i++) y[p++] = i;
for (int i = 0; i<n; i++)
if (sa[i] >= k)
y[p++] = sa[i] - k;
这段代码开始就有一点难懂了,首先第一个for循环的意思,因为每次迭代,总会出现有的后缀第二关键字不存在的,这些后缀的第二关键字,我们都认为是最小的,因此在根据y数组的定义,他就是让这些后缀出现在前面。
第二个for循环,其他的后缀的第二关键字是可以用其他后缀的第一关键字表示的,因为sa数组表示的地址,因此他表示的组合关键字他当前的sa数组的值减去k,如果他的sa数组的值小于k,则他不能表示为其他后缀的第二关键字。
for (int i = 0; i<m; i++) c[i] = 0;
for (int i = 0; i<n; i++) c[x[y[i]]]++;
for (int i = 0; i<m; i++) c[i] += c[i - 1];
for (int i = n - 1; i >= 0; i--)
sa[--c[x[y[i]]]] = y[i];
这段代码也不好理解,看起来和最初的计数排序差不多,关键就是弄懂那个x[y[i]]的所表达的意思;
我们可以猜到代码就是排序,猜嘛。肯定就是合并第一第二关键字排序了。让我们回忆一下基数排序的特点,就是先对x的值排序,x的值相等时根据出现的先后顺序进行排序,x里面存储了上一次关键字的排序,然后就是对第二关键字进行排序了,这里x[y[i]],根据y的值改变了第一关建字的排序,所以对x[y[i]]进行排序就是对第一二关键字,进行排序。
其实就是y数组先对第二关键字进行了排序,然后在对第一关键字进行排序。
swap(x, y);
p = 1; x[sa[0]] = 0;
for (int i = 1; i<n; i++)
x[sa[i]] = y[sa[i - 1]] == y[sa[i]] && y[sa[i - 1] + k] == y[sa[i] + k] ? p - 1 : p++;
if (p >= n)
break;
m = p;
每次更新rank数组x,因为有了关键字排序数组sa,要得到rank数组也很容易,其中那个三目表达式的前面部分,是为了判断两个合并后的后缀是否完全相同。没有别的意思。最后当p>=n的时候表明已经排好序了。后面的下一次桶的大小为p。
完整代码:
#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 100010;
char s[N];
int sa[N], c[N], x[N], y[N], n, m, tmp[N];
void Suffix()
{
for (int i = 0; i<m; i++) c[i] = 0;
for (int i = 0; i<n; i++)
c[x[i] = s[i] - 'a' + 1]++;
for (int i = 1; i<m; i++) c[i] += c[i - 1];
for (int i = n - 1; i >= 0; i--)
sa[--c[x[i]]] = i;
for (int k = 1; k <= n; k <<= 1)
{
for (int i = 0; i<n; i++) cout << sa[i] << " ";
cout << endl;
int p = 0;
for (int i = n - k; i<n; i++) y[p++] = i;
for (int i = 0; i<n; i++)
if (sa[i] >= k)
y[p++] = sa[i] - k;
for (int i = 0; i<m; i++) c[i] = 0;
for (int i = 0; i<n; i++) c[x[y[i]]]++;
for (int i = 0; i<m; i++) c[i] += c[i - 1];
for (int i = n - 1; i >= 0; i--)
sa[--c[x[y[i]]]] = y[i];
swap(x, y);
p = 1; x[sa[0]] = 0;
for (int i = 1; i<n; i++)
x[sa[i]] = y[sa[i - 1]] == y[sa[i]] && y[sa[i - 1] + k] == y[sa[i] + k] ? p - 1 : p++;
if (p >= n)
break;
m = p;
}
for (int i = 0; i<n; i++) cout << sa[i] << " ";
cout << endl;
}
int main()
{
cin >> s;
n = strlen(s);
s[n++] = 'a' - 1;
m = 30;
Suffix();
return 0;
}
今天贴一个封装好的吧
struct SA {
int sa[maxn], ra[maxn], height[maxn];
int t1[maxn], t2[maxn], c[maxn];
void build(char *str, int n, int m) {
str[n] = 0;
n++;
int i, j, p, *x = t1, *y = t2;
for (i = 0; i < m; i++) c[i] = 0;
for (i = 0; i < n; i++) c[x[i] = str[i]]++;
for (i = 1; i < m; i++) c[i] += c[i - 1];
for (i = n - 1; i >= 0; i--) sa[--c[x[i]]] = i;
for (j = 1; j <= n; j <<= 1) {
p = 0;
for (i = n - j; i < n; i++) y[p++] = i;
for (i = 0; i < n; i++) if (sa[i] >= j) y[p++] = sa[i] - j;
for (i = 0; i < m; i++) c[i] = 0;
for (i = 0; i < n; i++) c[x[y[i]]]++;
for (i = 1; i < m; i++) c[i] += c[i - 1];
for (i = n - 1; i >= 0; i--) sa[--c[x[y[i]]]] = y[i];
swap(x, y);
p = 1;
x[sa[0]] = 0;
for (i = 1; i < n; i++)
x[sa[i]] = (y[sa[i - 1]] == y[sa[i]] && y[sa[i - 1] + j] == y[sa[i] + j]) ? p - 1 : p++;
if (p >= n) break;
m = p;
}
n--;
for (int i = 0; i <= n; i++) ra[sa[i]] = i;
for (int i = 0, j = 0, k = 0; i < n; i++) {
if (k) k--;
j = sa[ra[i] - 1];
while (str[i + k] == str[j + k]) k++;
height[ra[i]] = k;
}
st_init(height, n);
}
int lg[maxn], table[20][maxn];
void st_init(int *arr, int n) {
if (!lg[0]) {
lg[0] = -1;
for (int i = 1; i < maxn; i++)
lg[i] = lg[i / 2] + 1;
}
for (int i = 1; i <= n; ++i)
table[0][i] = arr[i];
for (int i = 1; i <= lg[n]; ++i)
for (int j = 1; j <= n; ++j)
if (j + (1 << i) - 1 <= n)
table[i][j] = min(table[i - 1][j], table[i - 1][j + (1 << (i - 1))]);
}
int lcp(int l, int r) {
l = ra[l], r = ra[r];
if (l > r) swap(l, r);
++l;
int t = lg[r - l + 1];
return min(table[t][l], table[t][r - (1 << t) + 1]);
}
} sa;