后缀树的应用

    ——————《高级数据结构》
    在这一节中，我们将给出几个常见的后缀树的应用，并且你将会看到它与其他处理字符串的算法与数据结构（例如KMP算法，AC自动机等）之间的比较。后缀树是一个非常强大的处理字符串问题的工具，并且企图在这一节短篇幅里面穷尽其应用是不可能的。因此，这里的介绍旨在抛砖引玉，更多的应用可以参考相关的书籍以及该领域的最新研究成果。
   字符串的精确匹配

情形一:
给定两个串S和T，分别代表模式串和文本串，长度分别为n和m，现在需要在串T中查找串P的每一个出现的位置。
了解KMP算法的读者一定对这个问题非常熟悉——这正是KMP算法应用的经典场景。在比较两者之前我们先看一下后缀树的算法实现。。
后缀树实现：首先构建串T的后缀树，所用时间复杂度为O(m),然后我们只需要在后缀树中查找串S即可。如果串S没有出现在后缀树中，那么显然串T不包含串S；如果串S结束于后缀树的某个节点v（结束于某一条边内的情形也类似），那么节点v的路径标记在T中出现的每个位置都匹配串S。为了知道所有出现的位置，我们只需要遍历v的子树，找到所有叶节点，便可以知道所有对应位置出现的位置了。当然，我们还有优化的余地——如果我们能够较快的找到v的字数中所有叶节点的话，就能够将查询降到O(n+k)，其中k为S在T中出现的次数，也就是节点v子树中叶节点的个数，这正是一个于KMP一样优秀的时间复杂度。实现方式也很简单，将叶节点按照便利顺序额外用链表依次连接，每个内部节点只需标记叶节点的范围即可（肯定是连续的一段）。
伪代码：
Function FindMatches(S)
{
v<-Fin