查找字符串超字符串的最快数据结构？

Question

我有一个庞大的词汇表，想在词汇表中找到包含给定字符串的所有单词。这意味着我想在整个词汇表中找到给定字符串的所有超字符串。但是 Tree 数据结构对 contains() 查询很有用，并且存在一些查找子字符串的算法，但我找不到任何算法来解决这个问题。

我想在 Java 中使用这个算法（或数据结构）。

Answer 1

您正在寻找suffix tree。

这个想法是，给定一个字符串，这个字符串的某个后缀的每个前缀都是该字符串的一个子字符串（每个子字符串都是某个后缀的前缀）。

这意味着，您可以创建单词的后缀树，其中每个后缀的“叶子”都指向原始字符串。

现在，搜索子串，你需要按照输入子串的节点来遍历树，然后做某种树遍历（比如DFS），找到所有可达的叶子。每个这样的叶子都是某个字符串的后缀，查询字符串是它的子字符串。

这个解决方案非常便宜，它的输出大小和查询大小是线性的。