（转）搞懂后缀数组！

为什么学后缀数组

后缀数组是一个比较强大的处理字符串的算法，是有关字符串的基础算法，所以必须掌握。

学会后缀自动机(SAM)就不用学后缀数组(SA)了？不，虽然SAM看起来更为强大和全面，但是有些SAM解决不了的问题能被SA解决，只掌握SAM是远远不够的。

……

有什么SAM做不了的例子？

比如果求一个串后缀的lcp方面的应用，这是SA可以很方便的用rmq来维护，但是SAM还要求lca，比较麻烦，还有就是字符集比较大的时候SA也有优势。

现在这里放道题，看完这个blog可能就会做了！：

你可想想这道题：你有一个01串S，然后定义一个前缀最右边的位置就是这个前缀的结束位置。现在有q多个询问，每个询问结束位置在l~r中不同前缀的最长公共后缀是多长？

|S|,q≤100000

时限4s

构造后缀数组——SA先定义一些变量的含义

Str ：需要处理的字符串(长度为Len)

Suffix[i] ：Str下标为i ~ Len的连续子串(即后缀)

Rank[i] : Suffix[i]在所有后缀中的排名

SA[i] : 满足Suffix[SA[1]] < Suffix[SA[2]] …… < Suffix[SA[Len]],即排名为i的后缀为Suffix[SA[i]] (与Rank是互逆运算)

好，来形象的理解一下

后缀数组指的就是这个SA[i],有了它，我们就可以实现一些很强大的功能(如不相同子串个数、连续重复子串等)。如何快速的到它，便成为了这个算法的关键。而SA和Rank是互逆的，只要求出任意一个，另一个就可以O(Len)得到。

现在比较主流的算法有两种，倍增和DC3，在这里，就主要讲一下稍微慢一些，但比较好实现以及理解的倍增算法(虽说慢，但也是O(Len logLen))的。

进入正题——倍增算法

倍增算法的主要思想：对于一个后缀Suffix[i],如果想直接得到Rank比较困难，但是我们可以对每个字符开始的长度为2k的字符串求出排名，k从0开始每次递增1(每递增1就成为一轮)，当2k大于Len时，所得到的序列就是Rank，而SA也就知道了。O(logLen)枚举k

这样做有什么好处呢？

设每一轮得到的序列为rank(注意r是小写，最终后缀排名Rank是大写)。有一个很美妙的性质就出现了！第k轮的rank可由第k - 1轮的rank快速得来!

为什么呢？为了方便描述，设SubStr(i, len)为从第i个字符开始，长度为len的字符串我们可以把第k轮SubStr(i, 2k)看成是一个由SubStr(i, 2k−1)和SubStr(i + 2k−1, 2k−1)拼起来的东西。类似rmq算法，这两个长度而2k−1的字符串是上一轮遇到过的！当然上一轮的rank也知道！那么吧每个这一轮的字符串都转化为这种形式，并且大家都知道字符串的比较是从左往右，左边和右边的大小我们可以用上一轮的rank表示，那么……这不就是一些两位数(也可以视为第一关键字和第二关键字)比较大小吗!再把这些两位数重新排名就是这一轮的rank。

我们用下面这张经典的图理解一下：

相信只要理解字符串的比较法则(跟实数差不多)，理解起来并不难。#还有一个细节就是怎么把这些两位数排序？这种位数少的数进行排序毫无疑问的要用一个复杂度为长度*排序数的个数的优美算法——基数排序(对于两位数的数复杂度就是O(Len)的)。

基数排序原理： 把数字依次按照由低位到高位依次排序，排序时只看当前位。对于每一位排序时，因为上一位已经是有序的，所以这一位相等或符合大小条件时就不用交换位置，如果不符合大小条件就交换，实现可以用”桶”来做。(叙说起来比较奇怪，看完下面的代码应该更好理解，也可以上网查有关资料)

好了SA和Rank(大写R)到此为止就处理好了。(下面有详解代码！)。但我们发现，只有这两样东西好像没什么用，为了处理重复子串之类的问题，我们就要引入一个表示最长公共前缀的新助手Height数组！

构造最长公共前缀——Height同样先是定义一些变量

Heigth[i] : 表示Suffix[SA[i]]和Suffix[SA[i - 1]]的最长公共前缀，也就是排名相邻的两个后缀的最长公共前缀

H[i] : 等于Height[Rank[i]]，也就是后缀Suffix[i]和它前一名的后缀的最长公共前缀

而两个排名不相邻的最长公共前缀定义为排名在它们之间的Height的最小值。

跟上面一样，先形像的理解一下：

高效地得到Height数组

如果一个一个数按SA中的顺序比较的话复杂度是O(N2)级别的，想要快速的得到Height就需要用到一个关于H数组的性质。

H[i] ≥ H[i - 1] - 1!

如果上面这个性质是对的，那我们可以按照H[1]、H[2]……H[Len]的顺序进行计算，那么复杂度就降为O(N)了！

让我们尝试一下证明这个性质 : 设Suffix[k]是排在Suffix[i - 1]前一名的后缀，则它们的最长公共前缀是H[i - 1]。都去掉第一个字符，就变成Suffix[k + 1]和Suffix[i]。如果H[i - 1] = 0或1,那么H[i] ≥ 0显然成立。否则，H[i] ≥ H[i - 1] - 1(去掉了原来的第一个,其他前缀一样相等)，所以Suffix[i]和在它前一名的后缀的最长公共前缀至少是H[i - 1] - 1。

仔细想想还是比较好理解的。H求出来，那Height就相应的求出来了，这样结合SA，Rank和Height我们就可以做很多关于字符串的题了！

代码——Code

建议复制到自己的编程软件上看

/* Problem: JZOJ1598(询问一个字符串中有多少至少出现两次的子串) Content: SA's Code and Explanation Author : YxuanwKeith*/#include <cstdio>

#include <cstring>

#include <algorithm>

usingnamespacestd;

constintMAXN = 100005;

charch[MAXN], All[MAXN];

intSA[MAXN], rank[MAXN], Height[MAXN], tax[MAXN], tp[MAXN], a[MAXN], n, m; charstr[MAXN];//rank[i] 第i个后缀的排名; SA[i] 排名为i的后缀位置;

// Height[i] 排名为i的后缀与排名为(i-1)的后缀的LCP//tax[i]

//计数排序辅助数组; tp[i] rank的辅助数组(计数排序中的第二关键字),与SA意义一样。

//a为原串voidRSort() { //rank第一关键字,tp第二关键字。for(inti = 0; i <= m; i ++) tax[i] = 0;

for(inti = 1; i <= n; i ++) tax[rank[tp[i]]] ++;

for(inti = 1; i <= m; i ++) tax[i] += tax[i-1];

for(inti = n; i >= 1; i --) SA[tax[rank[tp[i]]] --] = tp[i];

//确保满足第一关键字的同时，再满足第二关键字的要求}

//计数排序,把新的二元组排序。

ntcmp(int*f, intx, inty, intw)

{ returnf[x] == f[y] && f[x + w] == f[y + w]; } //通过二元组两个下标的比较，确定两个子串是否相同

voidSuffix() { //SAfor(inti = 1; i <= n; i ++) rank[i] = a[i], tp[i] = i; m = 127,RSort(); //一开始是以单个字符为单位，所以(m = 127)for(intw = 1, p = 1, i; p < n; w += w, m = p)

{ //把子串长度翻倍,更新rank//w 当前一个子串的长度; m 当前离散后的排名种类数//当前的tp(第二关键字)可直接由上一次的SA的得到for(p = 0, i = n - w + 1; i <= n; i ++) tp[++ p] = i;

//长度越界,第二关键字为0for(i = 1; i <= n; i ++) if(SA[i] > w) tp[++ p] = SA[i] - w;

//更新SA值,并用tp暂时存下上一轮的rank(用于cmp比较)RSort(), swap(rank, tp), rank[SA[1]] = p = 1;

//用已经完成的SA来更新与它互逆的rank,并离散rankfor(i = 2; i <= n; i ++) rank[SA[i]] = cmp(tp, SA[i], SA[i - 1], w) ? p : ++ p; }

//离散：把相等的字符串的rank设为相同。//LCPintj, k = 0; for(inti = 1; i <= n; Height[rank[i ++]] = k) for( k = k ? k - 1: k, j = SA[rank[i] - 1];

a[i + k] == a[j + k]; ++ k);

//这个知道原理后就比较好理解程序}

voidInit() { scanf("%s", str); n = strlen(str);

for(inti = 0; i < n; i ++) a[i + 1] = str[i];}intmain() { Init(); Suffix(); intans = Height[2];

for(inti = 3; i <= n;

i ++) ans += max(Height[i] - Height[i - 1], 0);

printf("%dn", ans); }

 

4个比较基础的应用

Q1：一个串中两个串的最大公共前缀是多少？

A1：这不就是Height吗？用rmq预处理，再O(1)查询。

Q2：一个串中可重叠的重复最长子串是多长？

A2：就是求任意两个后缀的最长公共前缀，而任意两个后缀的最长公共前缀都是Height 数组里某一段的最小值，那最长的就是Height中的最大值。

Q3：一个串种不可重叠的重复最长子串是多长？

A3：先二分答案，转化成判别式的问题比较好处理。假设当前需要判别长度为k是否符合要求，只需把排序后的后缀分成若干组，其中每组的后缀之间的Height 值都不小于k，再判断其中有没有不重复的后缀，具体就是看最大的SA值和最小的SA值相差超不超过k，有一组超过的话k就是合法答案。

A4：一个字符串不相等的子串的个数是多少？

Q4：每个子串一定是某个后缀的前缀，那么原问题等价于求所有后缀之间的不相同的前缀的个数。而且可以发现每一个后缀Suffix[SA[i]]的贡献是Len - SA[i] + 1,但是有子串算重复，重复的就是Heigh[i]个与前面相同的前缀，那么减去就可以了。最后，一个后缀Suffix[SA[i]]的贡献就是Len - SA[k] + 1 - Height[k]。

对于后缀数组更多的应用这里就不详细阐述，经过思考后每个人都会发现它的一些不同的用途，它的功能也许比你想象中的更强大！

最开始的那道题

先搬下来。。。

你可想想这道题：你有一个01串S，然后定义一个前缀最右边的位置就是这个前缀的结束位置。现在有很多个询问，每q个询问结束位置在l~r中不同前缀的最长公共后缀是多长？

|S|,q≤100000

时限4s

简单思路：首先可以把字符串反过来就是求后缀的最长公共前缀了，可以用SA求出height数组，然后用rmq预处理之后就是求两个位置间的最小值。然后对于一个区间，显然只有在SA数组中相邻的两个串可以贡献答案。

对于区间询问的问题可以用莫队处理，然后考虑加入一个后缀应该怎么处理，我们可以维护一个按SA数组排序的链表。假设我们先把所有位置的SA全部加入，然后按顺序删除，重新按顺序加入时就可以O(1)完成修改。那么按照这个思路我们可以用固定左端点的并查集，做到只加入，不删除，然后用O(nn√+nlogn)的复杂度完成这道题。

*可能后面的处理方式比较麻烦，如果直接用splay维护区间中的后缀的话可以做到O(nn√logn)，这个方法就比较直观，而SAM在个问题上还是有点无力的。这题只是为了说明SA相比于SAM还是有他的独到之处，特别是在处理后缀的lcp之类的问题上。

 

转自www.sohu.com/a/152902764_821349