#ifndef _SUFFIX_ARRAY_H_ #define _SUFFIX_ARRAY_H_ #include namespace TinySTL{ class suffix_array{ public: using array_type = std::vector < int > ; private: array_type _suffix_array; array_type _height_array; array_type _rank_array; public: template //arr - 源数组 //len - 源数组长度 //max_len - max_len代表字符串arr中字符的取值范围,是基数排序的一个参数,原序列都是字母所以可以直接取256 suffix_array(const InputIterator arr, size_t len, size_t max_len = 256){ if (max_len > 256) throw std::exception("out of the range"); calSuffix(arr, len, max_len); calRank(); calHeight(arr, len); } array_type suffixArray()const{ return _suffix_array; } array_type heightArray()const{ return _height_array; } array_type rankArray()const{ return _rank_array; } private: template bool cmp(const InputIteraotr arr, size_t a, size_t b, size_t l); void calRank(){ _rank_array.resize(_suffix_array.size()); for (auto i = 0; i != _suffix_array.size(); ++i){ _rank_array[_suffix_array[i]] = i; } } template void calSuffix(const InputIterator arr, size_t len, size_t max_len); template void calHeight(const InputIteraotr arr, size_t len); }; template bool suffix_array::cmp(const InputIteraotr arr, size_t a, size_t b, size_t l){ return arr[a] == arr[b] && arr[a + l] == arr[b + l]; } template void suffix_array::calHeight(const InputIteraotr arr, size_t len){ _height_array.resize(_suffix_array.size() - 1); for (auto i = 0; i != _suffix_array.size() - 1; ++i){ auto n = 0; for (auto j = _suffix_array[i], k = _suffix_array[i + 1]; arr[j] == arr[k] && (arr + j) != (arr + len) && (arr + k) != (arr + len); ++j, ++k) ++n; _height_array[i] = n; } } template void suffix_array::calSuffix(const InputIterator arr, size_t len, size_t max_len){ //采用了罗穗骞论文中实现的倍增算法 //算法时间复杂度 = O(nlg(n)) _suffix_array.resize(len); int wa[256], wb[256], wv[256], ws[256]; int i, j, p, *x = wa, *y = wb, *t; //以下四行代码是把各个字符(也即长度为1的字符串)进行基数排序 for (i = 0; i < max_len; i++) ws[i] = 0; //x[]里面本意是保存各个后缀的rank值的,但是这里并没有去存储rank值,因为后续只是涉及x[]的比较工作,因而这一步可以不用存储真实的rank值,能够反映相对的大小即可。 for (i = 0; i < len; i++) ws[x[i] = arr[i]]++; for (i = 1; i < max_len; i++) ws[i] += ws[i - 1]; //i之所以从len-1开始循环,是为了保证在当字符串中有相等的字符串时,默认靠前的字符串更小一些。 for (i = len - 1; i >= 0; i--) _suffix_array[--ws[x[i]]] = i; //下面这层循环中p代表rank值不用的字符串的数量,如果p达到len,那么各个字符串的大小关系就已经明了了。 //j代表当前待合并的字符串的长度,每次将两个长度为j的字符串合并成一个长度为2*j的字符串,当然如果包含字符串末尾具体则数值应另当别论,但思想是一样的。 //max_len同样代表基数排序的元素的取值范围 for (j = 1, p = 1; p < len; j *= 2, max_len = p){ //以下两行代码实现了对第二关键字的排序 for (p = 0, i = len - j; i < len; i++) y[p++] = i; for (i = 0; i < len; i++) if (_suffix_array[i] >= j) y[p++] = _suffix_array[i] - j; //第二关键字基数排序完成后,y[]里存放的是按第二关键字排序的字符串下标 //这里相当于提取出每个字符串的第一关键字(前面说过了x[]是保存rank值的,也就是字符串的第一关键字),放到wv[]里面是方便后面的使用 //以下四行代码是按第一关键字进行的基数排序 for (i = 0; i < len; i++) wv[i] = x[y[i]]; for (i = 0; i < max_len; i++) ws[i] = 0; for (i = 0; i < len; i++) ws[wv[i]]++; for (i = 1; i < max_len; i++) ws[i] += ws[i - 1]; for (i = len - 1; i >= 0; i--) _suffix_array[--ws[wv[i]]] = y[i]; //下面两行就是计算合并之后的rank值了,而合并之后的rank值应该存在x[]里面,但我们计算的时候又必须用到上一层的rank值,也就是现在x[]里面放的东西,如果我既要从x[]里面拿,又要向x[]里面放,怎么办? //当然是先把x[]的东西放到另外一个数组里面,省得乱了。这里就是用交换指针的方式,高效实现了将x[]的东西“复制”到了y[]中。 for (t = x, x = y, y = t, p = 1, x[_suffix_array[0]] = 0, i = 1; i < len; i++) x[_suffix_array[i]] = cmp(y, _suffix_array[i - 1], _suffix_array[i], j) ? p - 1 : p++; } } } #endif