[发明专利]线性时间后缀数组构造方法

权利要求书

1.一种线性时间后缀数组构造方法，其特征在于，它包括：

1)标记字符串中每个字符和后缀的类型，从右向左扫描一遍字符串S，按照后缀类型的定义比较当前扫描的两个相邻的字符S[i]和S[i+1]，得出每个字符S[i]和后缀suf(S，i)的类型，记录于数组t[i]；

2)从左到右扫描一遍t[i]，找出其中所有LMS字符出现的位置，从而获取所有LMS子串的首字母指针，用数组P1来记录每个LMS子串的指针；

3)通过LMS子串指针数组P1、数组B和SA来对S中所有的LMS子串进行排序，结果保存在SA1中；

4)根据步骤3)排序的结果重新命名字符串S中的各个LMS子串，形成字符串T1，然后对T1的字符根据其L和S类型进行重命名，形成的新字符串保存到S1；

5)判断S1的每个字符是否唯一，如果是，则直接排序S1的各后缀来计算S1的后缀数组到SA1中，否则以S1和SA1作为输入参数，返回到步骤1)；

6)根据步骤5)中获得的保存于SA1中的S1的后缀数组归纳计算S的后缀数组到SA中；

7)返回。

2.根据权利要求1所述的线性时间后缀数组构造方法，其特征在于，所述步骤3)中对S中所有LMS子串进行排序的步骤包括：

31)初始化SA的所有元素为-1，找出S中所有后缀在SA中所属各桶的结束位置，从右向左扫描S一次，依次把扫描到的LMS后缀填入其在SA中所属桶的当前结束位置，然后把该桶的结束位置向左移动一格；

32)找出S中所有后缀在SA中所属各桶的起始位置，从左向右扫描SA一次，对于扫描到的每个不为-1的元素SA[i]，如果S[SA[i]-1]是L型，则把SA[i]-1这个数值填入suf(S，SA[i]-1)这个后缀在SA中所属桶的当前起始位置，然后把该桶的起始位置向右移动一格；

33)找出S中所有后缀在SA中所属各桶的结束位置，从右向左扫描SA数组，对于扫描到的每个元素SA[i]，如果S[SA[i]-1]是S型，则把SA[i]-1这个数值填入suf(S，SA[i]-1)这个后缀在SA中所属桶的当前结束位置，然后把该桶的结束位置向左移动一格，

其中，把字符串S的所有后缀按其第一个字符在数组SA中进行排序，则所有第一个字符相同的后缀都连续排列在SA中的某一段区域，这段区域我们称之为对应这些后缀的一个桶。

3.根据权利要求1所述的线性时间后缀数组构造方法，其特征在于，所述步骤4)中计算新字符串S1的步骤包括：

41)从左向右扫描SA1中已排好序的所有LMS子串，依次比较相邻的两个LMS子串的大小来找出所有的子串桶，每个子串用其所属桶在SA1中的开始位置命名，第一个桶的开始位置从0开始；

42)把S中每个LMS子串用其在步骤41)中获取的名字来代替，形成一个字符串T1，对T1的每个字符，当我们称其在SA1中所属的桶，意指该字符所对应在S中的LMS子串在SA1中的桶；

43)从右到左扫描T1一次来找出T1各个字符的类型，对每个被扫描到的字符T1[i]，如果其为L型则令S1[i]＝T1[i]，否则将S1[i]设为T1[i]在SA1中所属桶的结束位置，扫描T1结束后，S1即为对T1中各S型字符重命名后的结果，

其中，所有相同的LMS子串在SA1中形成一个连续的区域，即在任意两个相同的LMS子串之间没有不同于这两个子串的其他子串，这个区域称之为一个子串桶。

4.根据权利要求1所述的线性时间后缀数组构造方法，其特征在于，所述步骤6)中计算S的后缀数组的步骤包括：

61)初始化SA的所有元素为-1，找出S中所有后缀在SA中所属各桶的结束位置，从右向左扫描SA1数组，对每个扫描到的元素SA1[i]，则把P1[SA1[i]]放在后缀suf(S，P1[SA1[i]])在SA中所属桶的当前结束位置，然后把该桶的结束位置向左移动一格；

62)找出S中所有后缀在SA中所属各桶的起始位置，从左向右扫描SA一次，对于扫描到的每个不为-1的元素SA[i]，如果S[SA[i]-1]是L型，则把SA[i]-1这个数值填入suf(S，SA[i]-1)这个后缀在SA中所属桶的当前起始位置，然后把该桶的起始位置向右移动一格；

63)找出S中所有后缀在SA中所属各桶的结束位置，从右向左扫描SA数组，对于扫描到的每个元素SA[i]，如果S[SA[i]-1]是S型，则把SA[i]-1这个数值填入suf(S，SA[i]-1)这个后缀在SA中所属桶的当前结束位置，然后把该桶的结束位置向左移动一格。