后缀树

先说 Trie树

Trie树,又称字典树,单词查找树或者前缀树,是一个用于快速检索的多叉树. 典型应用是用于统计和排序大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计(@july)。如英文字母的字典树是一个26叉树,数字的字典树是一个10叉树.

 

Trie利用字符串的公共前缀来节省存储空间,并且能够以空间换时间.

盗用别人的一张图, 给出一组单词，inn, int, at, age, adv, ant, 我们可以得到下面的Trie：

 

根据上面的trie,我们可以

1.      计算任意某两个单词的最长公共前缀,就是我们待会要详细说明的LCA算法.

2.      快速计算某个单词的出现次数.也就是我们上面说的以空间换时间的方法,建树与查询同时进行,每次根据单词查询或新建节点,计数.时间复杂度为O(N*length),length表示字符串的平均长度.

我们再通过trie,即前缀树,来引出

后缀树.

后缀的含义:

对于字符串XMADAMYX,他的后缀是从后往前数的任意连续序列,如X,YX，MYX．．．XMADAMYX等都是其后缀，我们记作S[i],表示从第i个到最后的后缀.

S[1], XMADAMYX， 也就是字符串本身，起始位置为1

S[2], MADAMYX，起始位置为2

S[3], ADAMYX，起始位置为3

S[4], DAMYX，起始位置为4

S[5], AMYX，起始位置为5

S[6], MYX，起始位置为6

S[7], YX，起始位置为7

S[8], X，起始位置为8

 

接着,我们用上面trie的方法,把一个字符串的所有后缀建立trie.再盗用一张图.如下:

正如我们上面说的,一般trie是许多字符串生成的前缀树,而这里我们用一个字符串生成N个后缀子串,再用后缀子串生成trie.

 

上图中,有许多中间节点是多余的,我们要用最少的节点来表示,并且所有的后缀都是叶子节点,那么就做如下的压缩:

1.      每个节点可以存储多个字母.

2.      字符串后加一个结尾,如’$’,那么就不会有任意后缀是其他后缀的前缀,压缩的时候就不会有后缀被压缩掉.

 

于是,我们得到了压缩的后缀树:

继续盗图:

于是我们概括为 ( 后缀树=后缀子串们+ trie ).

 

最长回文字串与后缀树

 

那么后缀子串的trie与最长回文有什么关系呢?

S1=XMADAMYX反过来是S2=XYMADAMX,S1(4)=DAMYX,S2(5)=DAMX,他们的最长公共前缀是DAM,也就是最长回文子串的MADAM的半径.

于是,我们得到了解决最长回文子串的方法.

S1 和翻转 S2,生成的所有后缀子串压入到trie中,计算S1(i)与S2(n-i+1)节点的最低公共祖先,即其最长公共前缀,再得到最长回文子串.

 

如下图,用S1+’$’ 即翻转后的S2+’#’建立后缀树,得到如下的树.

根据我们上面的描述,我们现在的任务是计算S1(i)和S2(n-i+1)节点的最低公共祖先.如上图1$与8#,2$与7#...等的LCA,最后得出最长的.

具体应用：

1. 查找字符串o是否在字符串S中。
方案：用S构造后缀树，按在trie中搜索字串的方法搜索o即可。
原理：若o在S中，则o必然是S的某个后缀的前缀。
听起来有点拗口，举个例子。例如S: leconte，查找o: con是否在S中
则o(con)必然是S(leconte)的后缀之一conte的前缀
有了这个前提，采用trie搜索的方法就不难理解了。
2. 指定字符串T在字符串S中的重复次数。
方案：用S+’$'构造后缀树，搜索T节点下的叶节点数目即为重复次数
原理：如果T在S中重复了两次，则S应有两个后缀以T为前缀，重复次数就自然统计出来了。
3. 字符串S中的最长重复子串
方案：原理同2，具体做法就是找到最深的非叶节点。
这个深是指从root所经历过的字符个数，最深非叶节点所经历的字符串起来就是最长重复子串。
为什么要非叶节点呢?因为既然是要重复，当然叶节点个数要>=2。
4. 两个字符串S1，S2的最长公共部分
方案：将S1#S2$作为字符串压入后缀树，找到最深的非叶节点，且该节点的叶节点既有#也有$(无#)。
大体原理同3