后缀数组（上，SA与RANK）

见《下》：https://blog.csdn.net/fengqiyuka/article/details/95247518

背景

• 在做一些字符串的题目时，我们总会遇到诸如此类字符串题目：
• 
• 然后我们就发现，用什么KMP啊，什么trie啊，或是什么AC***的啊，都不能满足这道题的需求。
• 于是（标题已经告诉我们了 ），我们就要引入一个新的东西。

后缀数组

• 后缀数组，顾名思义，就是用来存储字符串后缀信息的数组。
• 一般来说，所有后缀数组中最重要的有两个，一个是SA，一个是rank。
• SA[i]是指字符串排名为i的后缀开头的位置，rank[i]是指以第i个位置为开头的后缀的排名。
• 例如在aba中，把所有后缀取出来，得aba,ba,a。
• 排序后得：a,aba,ba。
• 所以SA[1]=3,SA[2]=1,SA[3]=2。rank[1]=2,rank[2]=3,rank[3]=1。
• 这个特别重要，因为以后很容易会弄混。
• 并且有个显然的等式：SA[rank[i]]=i,rank[SA[i]]=i。

求法

• 但我们有了这两个数组之后，并没有什么用处。要快速求出这两个数组才行！
• 最暴力的做法就是直接用字符串去排序，时间复杂度是$O(n^{2}lo{g}_{2}n)$
• 但既然这么多字符串其实是挤在一个字符串里，它们必然有一些神奇的性质。
• 比如——可以倍增。

倍增

• 我们可以对于所有后缀，可以先按第一个字符排序，然后按前两个字符排序，紧接着是4个字符、8个字符…当达到倍增到某个$2^x>n$时，排序出来的必然等价于所有字符串直接排序。
• 既然思路已经确定了，那我们就开始寻求如何通过$2^{k-1}$倍增到$2^k$。
• 首先，第一个字符是很好求的，因为即使你的字符串长度再大，字符集也不会大到哪里去，所以我们可以直接用一个基数排序搞定。
• 然后，如果你已经知道了用前$2^{k-1}$个字符排序之后的顺序，你如何求出$2^k$呢。
• 刚才的基数排序其实有启发性。我们可以把每一个后缀的前$2^k$个字符分成两半，以前半段为第一关键字，后半段为第二关键字来排序，比较显然这和直接用$2^k$个字符排序是一样的。
• 之所以可以这样操作，是因为对于每一个后缀，由于前半段与后半段都在这个字符串内，它们的排名都可以很快地求出来。对于第$i$个后缀，它在所有后缀中的排名显然是当前的$rank[i]$，而后半段在所有后缀中的排名则是当前的$rank[i+2^{k-1}]$，假如$i+2^k>n$，则补充为0。
• 在快速地得出一二关键字的排名之后，我们就可以很方便地进行排序了。
• 为了更好地理解，盗个图：
• 

基数排序

• 其实用$O(lo{g}_{2}n)$级别的排序也可以，但这样总时间复杂度就$O(nlo{g}_2^{2}n)$的，很容易会被邪恶的出题人卡时间。
• 我们注意到，当前的关键字只有2个，而且rank也不算大，用基数排序恰到好处。
• 为了方便理解基数排序，这里有一堆数：
• 283、203、681、682、592、321
• 用基数排序是，我们先按最低关键字排序（为什么要先低后高呢？感性理解一下：后面才排的关键字对序列的顺序影响较先排的较大），这里的最低关键字是个位，所以我们先个位排序：
• 681、321、682、592、283、203
• 注意如果有两个数字它们的某一关键字相同，则按当前顺序，现在在前面的排在前面。比如假如按十位排的时候，有两个数的十位相同，则个位小的显然要排在前面，而因为之前已经按个位排过序了，所以个位小的显然在前面。
• 然后按十位排序：
• 203、321、681、682、683、592
• 最后按百位排序:
• 203、321、592、681、682、683
• 我们发现这组数就这样排好了。

---

• 让我们回到刚才的字符串排序。
• 也是一样的，我们先按第二关键字排序，而后按第一关键字排序。
• 简述一下每一个关键字排序的基本流程：
  • 记录当前关键字每一个数出现的次数$count[i]$
  • 做一个前缀和，之所以要做这个东西是为了快速求出假如你的当前关键字为$i$，你可以排到那个位置。
  • 不断插入，但要记住——假如当前关键字相同，在前面的依旧在前面。
• 代码实现也比较简单。

小优化

• 在对第二关键字排序的时候，我们发现完全可以不用这样3步走。
• 因为对于非0第二关键字（即$i+2^k<=n$），我们再上一次已经排过序了。
• 显然我们只需要把补零的填充上去就可以了。

代码（丑）（P3809）

#include<cstdio>
#include<cstring>
using namespace std;
const int max=19;
char s[1100000];
int sa[1100000],rank[2100000],rank2[1100000],count[1100000],d[23],tp[2100000];
int main()
{
    scanf("%s",s+1);
    int n=strlen(s+1);
    for(int i=1;i<=n;i++) count[s[i]]++;
    for(int i=1;i<=1000;i++) count[i]+=count[i-1];
    for(int i=n;i>=1;i--){
        int t=s[i];
        sa[count[t]]=i;
        count[t]--;
    }
    for(int i=1;i<=n;i++){
        int t1=sa[i-1],t2=sa[i];
        if(s[t1]!=s[t2]) rank[t2]=rank[t1]+1;
        else rank[t2]=rank[t1];
    }
    d[0]=1;for(int i=1;i<=max;i++) d[i]=d[i-1]*2;
    for(int i=0;i<=max;i++){
        if(d[i]>n) break;
        int len=d[i];
        for(int j=1;j<=n;j++)
            if(sa[j]>d[i]) rank2[++len]=sa[j]-d[i];
        for(int j=1;j<=d[i];j++) rank2[d[i]+1-j]=n-d[i]+j;
        memset(count,0,sizeof(count));
        for(int j=1;j<=n;j++) count[rank[j]]++;
        for(int j=1;j<=n;j++) count[j]+=count[j-1];
        for(int j=n;j>=1;j--){
            int t=rank[rank2[j]];
            sa[count[t]]=rank2[j];
            count[t]--;
        }
        for(int j=1;j<=n;j++) tp[j]=rank[j];
        for(int j=1;j<=n;j++){
            int t1=sa[j-1],t2=sa[j];
            if(tp[t1]!=tp[t2]||tp[t1+d[i]]!=tp[t2+d[i]])
                rank[t2]=rank[t1]+1;
            else rank[t2]=rank[t1];
        }
    }
    for(int i=1;i<=n;i++) printf("%d ",sa[i]);
    printf("\n");
    return 0;
}