尜尜君的小世界

前面blog讲了后缀树SuffixTree相关的介绍，还有粗暴的平方时间构造法，今天我们来看下后缀树在Ukkonen优化下的线性时间构造方式。本篇博客原文出自地址：http://www.cnblogs.com/gaochundong/p/suffix_tree.html 在此基础上做了小幅度的改动，特此说明。Suffix Tree 与 Trie 的不同在于，边（Edge）不再只代表

字符串相关的处理在程序设计中占有很大的一部分

前面的文章中有讲解了模式匹配相关的KMP和TrieTree，他们有各自的方式去提高性能，从而也应用在不同的场景中，这一次我们讲解后缀树（SuffixTree），相信如果没有专门去看过这些知识的同学应该很少知道后缀树，那么后缀树到底是什么，他能解决什么样的问题呢？    后缀树（SuffixTree）一种数据结构，通过对一个字符串所有后缀操作构建一棵树，可以支持字符串的快速匹配查询，他对于以下几

假设给你一个敏感词汇表， 然后让你把一篇文章里的敏感词汇都找出来，以便于验证当前文章是否都满足没有敏感词汇要求，你会怎么办？ 最容易想到的便是将文章里的每一个单词都拿去在敏感词汇表中查找是否存在，这样当文章词汇很大的时候，查找算法便成为了一个瓶颈。你可以使用最简单的做个单词匹配，也可以先将词汇表按字典排个序来加速查找匹配的过程，当然你也会想到利用红黑树，hash表，splay树来做优化。我们这里介

后缀数组    前面有介绍过后缀树，后缀树对于我们针对某些字符串的处理使得如鱼得水，美中不足的是后缀树的代码实现复杂，只能让很多人望而却步。这次我们来介绍后缀树组：一个处理字符串的有力工具，也是一个后缀树的精美替代品，同样可以方便解决很多字符串问题。它比后缀树更加容易实现编码，也可以在不损失效率的情况下实现很多后缀树的功能，占用内存也比后缀树小很多，尤其是在模式匹配数据规模庞大的操作中实用性很