後綴數組模板解析
自己的理解和分析 如有錯誤或不同的理解請指出。
int cmp(int *r, int a, int b, int k)
{
return r[a] == r[b]&&r[a + k] == r[b + k];
}
void getsa(int *r, int *sa, int n, int m)
{
int i, j, p, *x = wa, *y = wb, *t;
for(i = 0;i < m;i++)
wsf[i] = 0;
for(i = 0;i < n;i++)
wsf[x[i] = r[i]]++;
for(i = 1;i < m;i++)
wsf[i] += wsf[i - 1];
for(i = n - 1;i >= 0;i--)
sa[--wsf[x[i]]] = i;
基基排序。(基數排序)
X[i]數組記錄的是一開始的r[i]的值。
Wsf[i]數組記錄的是值爲i和小於i的元素有幾個。
最後一個循環則是記錄排第幾的數的位置。
j = 1;
p = 1;
for(;p < n;j *= 2, m = p)
{
for(p = 0, i = n - j;i < n;i++)
y[p++] = i;
for(i = 0;i < n;i++)
if(sa[i] >= j)
y[p++] = sa[i] - j;
Y[i]記錄的是排名爲i的第二要素的第一要素位置。
Sa[i]記錄的是上一次排序的元素排名第i的元素的位置。
因爲是二倍增排序,j就是第二要素據第一要素的距離,所以n-j第一元素的第二元素都爲零,所以排名直接從零開始。
第二個for循環就是單純的記錄第二要素的排名。至於爲什麼sa[i]>=j是因爲j前面的元素不肯能作爲第二元素。
for(i = 0;i < n;i++)
wv[i] = x[y[i]];
for(i = 0;i < m;i++)
wsf[i] = 0;
for(i = 0;i < n;i++)
wsf[wv[i]]++;
for(i = 1;i < m;i++)
wsf[i] += wsf[i - 1];
for(i = n - 1;i >= 0;i--)
sa[--wsf[wv[i]]] = y[i];
與一開始一樣 是基基排序。至於第一個for循環則是根據第二元素進行了排序然後賦值。因爲最後一個for循環是從後往前的所以先掃到的排名低,所以要構成一個新的數列。
同樣的 因爲第一個for循環 所以最後一個for循環就是=y[i].因爲y[i]表示的是第二元素排名第i位的第一元素的位置.而sa[i]數組記錄的是排名第i位的原數組的位置。
t = x;
x = y;
y = t;
x[sa[0]] = 0;
for(i = 1, p = 1;i < n;i++)
x[sa[i]] = cmp(y, sa[i - 1], sa[i], j) ? p - 1: p++;
}
}
數組交換.
因爲一開始人爲的加入了x[末尾+1] = 0;而0肯定是排在第0位的,所以x[sa[0]] = 0;只是再加一遍而已。這裏p 的值表示的是不同關鍵值得數量。
void getheight(int *r, int n)
{
int i, j, k = 0;
for(i = 1; i <= n;i++)
rank[sa[i]] = i;
求出rank數組,rank[i]的意思是位置爲i的後綴的排名,與sa[i]數組正好互逆。
for(i = 0; i < n;i++)
{
if(k)
k--;
else
k = 0;
j = sa[rank[i] - 1];
while(r[i + k] == r[j + k])
k++;
height[rank[i]] = k;
}
}
J是位置爲i的後綴排名前一名的位置。如果這兩個字符相等邊加一。
2015.7.9 by Eson