Алгоритм поиска подстроки в строке с помощью суффиксного массива
Рассмотрим такую задачу: у нас есть образец суффиксный массив , построенный для строки . Необходимо найти все вхождения образца в строку .
, строка ,Для наглядности рассмотрим такой пример: образец
Вот суффиксный массив для данной строки:
# | суффикс | номер суффикса |
1 | i | 11 |
2 | ippi | 8 |
3 | issippi | 5 |
4 | ississippi | 2 |
5 | mississippi | 1 |
6 | pi | 10 |
7 | ppi | 9 |
8 | sippi | 7 |
9 | sissippi | 4 |
10 | ssippi | 6 |
11 | ssissippi | 3 |
Способы поиска
Простейший поиск подстроки
Простейший способ узнать, встречается ли образец в тексте, используя суффиксный массив, это взять первый символ образца и бинарным поиском по суффиксному массиву (массив у нас отсортирован) найти диапазон с суффиксами, начинающимися на такую же букву. Так как все элементы в полученном диапазоне отсортированы, а первые символы одинаковые, то оставшиеся после отбрасывания первого символа суффиксы тоже отсортированы. А значит, можно повторять процедуру сужения диапазона поиска уже по второму, затем третьему и так далее символу образца до получения либо пустого диапазона, либо успешного нахождения всех символов образца. Бинарный поиск работает за
В примере поиск будет выглядеть так:
образец | iss | iss | iss |
i | i | i | |
ippi | ippi | ippi | |
issippi | issippi | issippi | |
ississippi | ississippi | ississippi | |
mississippi | mississippi | mississippi | |
pi | pi | pi | |
ppi | ppi | ppi | |
sippi | sippi | sippi | |
sissippi | sissippi | sissippi | |
ssippi | ssippi | ssippi | |
ssissippi | ssissippi | ssissippi |
Как видно из примера образцу удовлетворяют суффиксы 3 и 4, начинающиеся на 5 и 2 позициях в строке соответственно.
Псевдокод
Поиск диапазона
/*p - образец n - длина образца s - строка length - длина строки array - суффиксный массив left - левая граница диапазона // изначально равна единице right - правая граница диапазона // изначально равна длине строки find - функция уточнения диапазона элементы строк и массивов нумеруются с единицы*/ for i = 1 to n find(left, right) if (left != -1 && right != -1) // если диапазон не пуст yield left // вывод левой границы диапазона yield right // вывод правой границы диапазона else yield "No matches" // вывод информации об отсутствии вхождений
Бинарный поиск для уточнения диапазона
/*l - левая граница диапазона при