后缀树(SuffixTree)的Ukkonen线性时间构造方法

前面blog讲了后缀树SuffixTree相关的介绍，还有粗暴的平方时间构造法，今天我们来看下后缀树在Ukkonen优化下的线性时间构造方式。

本篇博客原文出自地址：http://www.cnblogs.com/gaochundong/p/suffix_tree.html 在此基础上做了小幅度的改动，特此说明。

Suffix Tree 与 Trie 的不同在于，边（Edge）不再只代表单个字符，而是通过一对整数 [from, to] 来表示。其中 from 和 to 所指向的是 Text 中的位置，这样每个边可以表示任意的长度，而且仅需两个指针，耗费 O(1) 的空间。

首先，我们从一个最简单的字符串 Text = "abc" 开始实践构建后缀树，"abc" 中没有重复字符，使得构建过程更简单些。构建过程的步骤是：从左到右，对逐个字符进行操作。

abc

第 1 个字符是 "a"，创建一条边从根节点（root）到叶节点，以 [0, #] 作为标签代表其在 Text 中的位置从 0 开始。使用 "#" 表示末尾，可以认为 "#" 在 "a" 的右侧，位置从 0 开始，则当前位置 "#" 在 1 位。

 

其代表的后缀意义如下。

第 1 个字符 "a" 处理完毕，开始处理第 2 个字符 "b"。涉及的操作包括：

• 扩展已经存在的边 "a" 至 "ab"；
• 插入一条新边以表示 "b"；

其代表的后缀意义如下。

这里，我们观察到了两点：

• "ab" 边的表示 [0, #] 与之前是相同的，当 "#" 位置由 1 挪至 2 时，[0, #] 所代表的意义自动地发生了改变。
• 每条边的空间复杂度为 O(1)，即只消耗两个指针，而与边所代表的字符数量无关；

接着再处理第 3 个字符 "c"，重复同样的操作，"#" 位置向后挪至第 3 位：

其代表的后缀意义如下。

此时，我们观察到：

• 经过上面的步骤后，我们得到了一棵正确的后缀树；
• 操作步骤的数量与 Text 中的字符的数量一样多；
• 每个步骤的工作量是 O(1)，因为已存在的边都是依据 "#" 的挪动而自动更改的，仅需为最后一个字符添加一条新边，所以时间复杂度为 O(1)。则，对于一个长度为 n 的 Text，共需要 O(n) 的时间构建后缀树。

当然，我们进展的这么顺利，完全是因为所操作的字符串 Text = "abc" 太简单，没有任何重复的字符。那么现在我们来处理一个更复杂一些的字符串 Tex