首页 > 代码库 > 后缀数组suffix array

后缀数组suffix array

倍增算法,时间复杂度O(nlogn)

sa从小到大保存相对大小的下标

理解LSD,x数组,sa数组

char s[maxn];
int sa[maxn],t[maxn],t2[maxn],c[maxn],n;

void build_sa(int m)
{
    //LSD基数排序
    int *x=t,*y=t2;//x数组保存rank
    //字串长度为1,即对每一个元素的大小排序
    for(int i=0;i<m;++i) c[i]=0;//计数数组清空
    for(int i=0;i<n;++i) c[x[i]=s[i]]++;//统计出现次数
    for(int i=1;i<m;++i) c[i]+=c[i-1];//计算前缀和
    for(int i=n-1;i>=0;--i) sa[--c[x[i]]]=i;//sa从小到大保存每一个元素的下标
    
    for(int k=1;k<=n;k<<=1){//k为要排序的子串长
        
        //排序第二keyword
        int p=0;               //y[]从小到大保存第二keyword的下标
        for(int i=n-k;i<n;++i) y[p++]=i;//从第n-k位開始的字串,第二keyword为0
        for(int i=0;i<n;++i) if(sa[i]>=k) y[p++]=sa[i]-k;
                                //仅仅有下标大于k的第sa[i]个字符串的rank才干作为下一行的第sa[i]-k个字符串的第二keyword
        
        //排序第一keyword
                //x[y[i]]是引用第一keyword,依据LSD第二次排序要在第一次的基础上
        for(int i=0;i<m;++i) c[i]=0;//计数数组清空
        for(int i=0;i<n;++i) c[x[y[i]]]++;//统计rank出现次数
        for(int i=1;i<m;++i) c[i]+=c[i-1];//求前缀和
        for(int i=n-1;i>=0;--i) sa[--c[x[y[i]]]]=y[i];//sa[]从小到大保存双keyword的下标
        
        p=1;swap(x,y);x[sa[0]]=0;//交换x,y数组 x[]数组从0到n-1保存rank值(0到p)
        for(int i=1;i<n;++i){
            x[sa[i]]=y[sa[i]]==y[sa[i-1]]&&y[sa[i]+k]==y[sa[i-1]+k] ? p-1:p++;//注意p-1
            //因为p是计数rank值不同的字符串的数量,因此双keyword同样的串视为一样的rank
        }
        
        if(p>=n) break; //p个字符串的rank值都不同 ,p>=n时说明大小确立,以后即使倍增,sa也不会改变
        m=p;//用来下次基数排序的最大值
    }
}

————————————————————————————————————--————————

————————————————————————————————————————————

void build_sa()
{
    int *x=t,*y=t2;
    for(int i=0;i<m;++i) c[i]=0;
    for(int i=0;i<n;++i) c[x[i]=y[i]]++;
    for(int i=1;i<m;++i) c[i]+=c[i-1];
    for(int i=n-1;i>=0;--i) sa[--c[x[i]]]=i;
    
    for(int k=1;k<=n;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) c[i]=0;
        for(int i=0;i<n;++i) c[x[y[i]]]++;
        for(int i=1;i<m;++i) c[i]+=c[i-1];
        for(int i=n-1;i>=0;--i) sa[--c[x[y[i]]]]=y[i];
        
        int p=0;swap(x,y);x[sa[0]]=0;
        for(int i=1;i<n;++i){
            x[sa[i]]=y[sa[i]]==y[sa[i-1]]&&y[sa[i]+k]==y[sa[i-1]+k] p-1:p++;
        }
        if(p>=n) break;
        m=p;
            
    } 
}
int m;
int cmp_suffix(char *pattern,int p)
{
    return strncmp(pattern,s+sa[p],m);
}

int find(char *p)
{
    m=strlen(p);
    if(cmp_suffix(p,0)<0) return -1;
    if(cmp_suffix(p,n-1)>0) return -1;
    int l=0,r=n-1;
    while(l<=r){
        int mid=l+(r-l)/2;
        int res=cmp_suffix(p,mid);
        if(!res) return mid;
        if(res>0) l=mid+1;
        if(res<0) r=mid-1;
    }
    return -1;
}


/*
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]

。那么suffix(k+1)将排在suffix(i)的前面(这里要求h[i-1]>1,假设h[i-1]≤

1,原式显然成立)而且suffix(k+1)和suffix(i)的最长公共前缀是h[i-1]-1,

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。依照h[1]

,h[2],……,h[n]的顺序计算。并利用h数组的性质,时间复杂度能够降为O

(n)。

*/ void get_height() { for(int i=0;i<n;++i) rank[sa[i]]=i; int k=0; for(int i=0;i<n;++i){ if(k) k--; int j=sa[rank[i]]-1; while(s[j+k]==s[i+k]) k++; height[rank[i]]=k; } }



后缀数组suffix array