如何使用后缀树查找所有匹配子字符串的索引？

Question

我从这个惊人的answer创建了一个后缀树。它就像一个魅力！

现在，如果我寻找＆＃34; cat＆＃34;在＆＃34;这只猫是一只漂亮的猫＆＃34;，它将返回5作为＆＃34; cat＆＃34;首次出现至于开始指数5。

但我无法找到一种方法来跟踪要创建的算法中的所有后缀。所以基本上，我可以找到第一个匹配的索引，但不是所有不同的匹配。

现在，我有：

class Edge
{
    int textIndexFrom;
    Node* nodefrom;
    Node* nodeTo;
    int textIndexTo;
}

class Node
{
    std::map<char,Edge*> m_childEdges;
    Edge* m_pParentEdge;
    Node* m_pLinkedNode;
}

我只是将相关变量放在上面的代码中。为了存储不同的起始位置，我想在Edge中需要std :: vector，但我不知道何时添加新索引。我们可能会使用活动点但使用后缀链接会变得很棘手。

有人可以解释一下吗？

Answer 1

我假设您为字符串 S $ 构建了后缀树，其中 $ 是 S 中不存在的特殊字符。 $ char确保每个后缀在树中都有自己的叶子。 S 中单词 w 的出现次数是 w 子树中的叶子数。

我认为在每个边/节点中存储所有起始位置都需要二次存储器。例如，如果 T 碰巧是完全平衡的二叉树，那么在0级（根）上你有 n 条目，在1级你有 2 * n / 2 条目等。总结后，它给我们 n ^ 2 。它需要证明，如果我错了，请纠正我。

相反，我认为最好将所有叶子保留在列表中，以便它们出现在树的dfs遍历中（如果绘制树的图片，则从左到右）。并且在每个节点 v 中保留2个指向该列表元素的指针。首先应指向 v 子树的第一片叶子，然后指向 v 子树的最后一片叶子。所有这些都可以通过简单的dfs程序来计算。现在，如果例如'cat'恰好位于某个边缘的中间，则通过该边缘到某个节点 v 并从该节点获取叶子。此外，在每个叶子中，您应该存储从根到该叶子的路径长度。它将帮助您找到特定“猫”出现的位置。

Answer 2

遍历整个cat子树。该子树中的每个叶子对应一个以cat开头的后缀。如果您知道到目前为止匹配的字符串的长度和字符串的长度，每次遇到一个叶子时，您可以进行减法以找到相应出现的cat的索引。