零基础后缀数组

后缀数组的定义

基本定义在百度里都有，就不详细说了
百度百科：传送门

详讲后缀数组

首先来看一下数组的定义：
1、sa[i]=j ，构造完成前表示关键字数组，i表示名次，j表示关键字的首字符位置，值相同的时候名次根据在原串中相对位置的先后决定；构造完成后表示后缀数组，i表示名次，j表示后缀的首字符位置。
2、rank[i]=j (代码中用x[]代替)，i表示关键字的位置，j表示关键字大小。
3、y[i]=j，排序后的第二关键字数组，i表示名次，j代表第二关键字的首字符位置。
4、w[i]=j，没相加前缀和之前表示第一关键字为 i 的数，有 j 个。

倍增算法

时间复杂度为O(nlogn)

基数排序

先来讲一下基数排序，如果我们使用快速排序的话，我们每一次构造rank数组的时间复杂度为O(nlongn)，用基数排序的时间复杂度为O(n)，所以基数排序是倍增算法的核心。

特点：先根据x的值排序，x值相等时根据出现先后次序排序。

代码如下：

int n = strlen(a);//字符串大小

for (i = 0; i < 128; i++) w[i] = 0;//初始化

for (i = 0; i < n; i++) w[x[i] = a[i]]++;//将字符转化为ascll码的形式储存

for (i = 1; i < 128; i++) w[i] += w[i - 1];//根据首字母排序，首字母为i的前面留出首字母为1~i-1的数足够位置

for (i = n - 1; i >= 0; i--) sa[--w[x[i]]] = i;//sa[i]表示排名为i的串首字母在原串中的位置

举个例子：

字符串：aabaaaab
对应位：12345678
个数：a：6，b：2
前缀和：a：6，b：8
（这里解释的是w[i]+=w[i-1]）

所以a的范围为0 ~ 5，b的范围为6 ~ 7
w数组中每个字母对应的个数为：
a b
6 2

经过w[i] += w[i - 1];后
w数组对应的字符及大小：
a b
6 8

解释一下这个for (i = n - 1; i >= 0; i--) sa[--w[x[i]]] = i;

i=7 sa[7]=7 (x[i]=b,w[x[i]]=8)
i=6 sa[5]=6 (x[i]=a,w[x[i]]=6)
i=5 sa[4]=5 (x[i]=a,w[x[i]]=5)
i=4 sa[3]=4 (x[i]=a,w[x[i]]=4)
i=3 sa[2]=3 (x[i]=a,w[x[i]]=3)
i=2 sa[6]=2 (x[i]=b,w[x[i]]=7)
i=1 sa[1]=1 (x[i]=a,w[x[i]]=2)
i=0 sa[0]=0 (x[i]=a,w[x[i]]=1)

所以字符串及其对应的排序为：
a a b a a a a b
1 2 7 3 4 5 6 8

倍增算法过程

首先读入字符串之后，先对字符串中的单个字符按照字典序进行排序，排序完的名次作为第一关键字。

之后合并第一关键字和第二关键字再进行基数排序，，

再进行无数次基数排序。

直到所有后缀的排名都不想等，也就是相对大小可以确定，结束。

这里有个小优化，基数排序需要分成两次，第一次是对第二关键字进行排序，第二次是对第一关键字进行排序，而上一次求出的sa值就是第二关键字的排序

第二关键字的排序代码如下：

for (int i = n - k; i < n; i++) y[p++] = i;//y为第二关键字的排序，k为当前字符串的长度

for (int i = 0; i < n; i++) if (sa[i] >= k) y[p++] = sa[i] - k;

解释for (int i = n - k; i < n; i++) y[p++] = i;

先将后几位存进y数组里，在y数组中，值保存的是他们的位置（和sa数组一样）
根据图来看，每一次倍增之后，都是数组的后k位都是没有第二关键字的，所以第二关键字默认为0
因为0是作为第二关键字最小的数，所以根据他们现在的排序（由n-k-1~n-1），将他们放进数组y中，不会影响到他们的排序。

解释for (int i = 0; i < n; i++) if (sa[i] >= k) y[p++] = sa[i] - k;

sa数组的下标为排名，sa数组存的是字母的位置。
在上一个for循环中已经将后几个没有第二关键字（第二关键字为0）的位置，存进数组了，这一步是要将有第二关键字的位置存进数组。

先说一下为什么sa[i]>=k

在下图的这层循环里k=2，3和4不能加进y数组里，因为这一步骤是对第二关键字的排序，3和4的位置分别为0和1，他们不在下图的第二关键字里，所以他们不加进y数组。

sa[i]-k

位置0的第一关键字为3，第二关键字为2，他本身在位置0上，而他的第二关键字在位置2上，所以需要-2，2就是k的值，所以他需要减k。

这样就已经将所有的第二关键字都存进y数组了，下面就开始对y数组进行排序了。

图中的第一关键字和第二关键字说的是下面X Y那一排的
第一关键字的排序代码如下：

for (int i = 0; i < m; i++) w[i] = 0;

for (int i = 0; i < n; i++) w[x[y[i]]]++;

for (int i = 0; i < m; i++) w[i] += w[i - 1];

for (int i = n - 1; i >= 0; i--) sa[--w[x[y[i]]]] = y[i];

w[x[y[i]]]++; 这一步有很多人不理解

y[i]存的是位置，在上一步中，先把没有第二关键字（第二关键字为0）的位置存进来了，i表示的是排名，因为他们的第二关键字为0，又是按顺序存的，所以前k个是排好序的，后n-k个存的之前第一关键字的位置-k，因为他们在之前是按第一关键字存的，减k也不影响，所以可以说y数组中的数都是按之前第一关键字排好序的，所以当前y数组的下标就是当前第二关键字的顺序，y数组的值就是他们的位置。

x数组在之前存的是每个字母的ascll值，w数组就是桶。

比如aabaaaab这个字符串
for (int i = 0; i < n; i++) w[x[y[i]]]++;
i=0 y[i]=7 x[y[i]]=98 w[x[y[i]]]=1
i=1 y[i]=0 x[y[i]]=97 w[x[y[i]]]=1
i=2 y[i]=2 x[y[i]]=98 w[x[y[i]]]=2
i=3 y[i]=3 x[y[i]]=97 w[x[y[i]]]=2
i=4 y[i]=4 x[y[i]]=97 w[x[y[i]]]=3
i=5 y[i]=5 x[y[i]]=97 w[x[y[i]]]=4
i=6 y[i]=1 x[y[i]]=97 w[x[y[i]]]=5
i=7 y[i]=6 x[y[i]]=97 w[x[y[i]]]=6

w[97]=6（装桶后a的数量）
w[98]=2（装桶后b的数量）

之后进行基数排序就和上面一样了。

以上就是求sa的过程，求出sa之后就可以求出rank，可能存在多个字符串的rank值相同，所以必须比较两个字符串是否完全相同。
比较代码：

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++;

针对两个串比较直边所指元素和斜边所指元素
每个串都彼此大小不同了,事实上后缀就是应该所有都不相等的，相对大小已确定,退出循环
p为不同的字符串的个数，如果p=n，那么就可以退出循环了

if(p>=n)break;

因为y数组的值已经没用了，所以为了节省空间，可以用y数组保存rank值。
一个小优化，将x，y定义为指针类型，复制数组可以用指针来代替。
这里还有一个函数swap()，用来交换两个数组。

swap(x, y);

完整代码：

#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
using namespace std;
const int MAXN = 10005;
const int MAXascll = 128;
char s[MAXN];
int sa[MAXN], t1[MAXN], t2[MAXN], w[MAXN], n;
void Output() {
	for (int i = 0; i < n; i++) printf("%d ", sa[i]);
	printf("\n");
}
void build(int m) {
	int* x = t1, * y = t2;
	for (int i = 0; i < m; i++) w[i] = 0;
	for (int i = 0; i < n; i++) w[x[i] = s[i]]++;
	for (int i = 1; i < m; i++) w[i] += w[i - 1];
	for (int i = n - 1; i >= 0; i--) sa[--w[x[i]]] = i;
	for (int k = 1; k <= n; k = k << 1){
		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++) w[i] = 0;
		for (int i = 0; i < n; i++) w[x[y[i]]]++;
		for (int i = 0; i < m; i++) w[i] += w[i - 1];
		for (int i = n - 1; i >= 0; i--) sa[--w[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;
	}
}
int main() {
	scanf("%s", s);
	n = strlen(s);
	build(MAXascll);
	Output();
	return 0;
}

height数组日后再更~

后缀数组的应用

1.最长公共前缀
2.单个字符串的相关问题
3.重复子串
3.1.子串个数
3.2.回文子串
3.3.连续重复子串
4.两个字符串的相关问题
5.多个字符串的相关问题
以上问题都可以在下面的论文中找到（日后再补）

写的很好的后缀数组论文

国家集训队2009论文集后缀数组——处理字符：传送门