后缀数组的python模拟--编程珠玑 15.2

今天看了编程珠玑第15章字符串的前两节，对于后缀数组这玩意很感兴趣（以前学的太少了），对于15.2节的求给定文本输入的最长重复子串的问题，顺着作者的思路和其网站（ http://netlib.bell-labs.com/cm/cs/pearls/index.html ）上的代码，用c语言实现了一下，网站上代码如下：

#include <stdlib.h>
#include <string.h>
#include <stdio.h>

int pstrcmp(char **p, char **q)
{   return strcmp(*p, *q); }

int comlen(char *p, char *q)
{       int i = 0;
        while (*p && (*p++ == *q++))
                i++;
        return i;
}

#define M 1
#define MAXN 5000000
char c[MAXN], *a[MAXN];

int main()
{   int i, ch, n = 0, maxi, maxlen = -1;
    while ((ch = getchar()) != EOF) {
        a[n] = &c[n];
        c[n++] = ch;
    }
    c[n] = 0;
    qsort(a, n, sizeof(char *), pstrcmp);
    for (i = 0; i < n-M; i++)
        if (comlen(a[i], a[i+M]) > maxlen) {
            maxlen = comlen(a[i], a[i+M]);
            maxi = i;
        }
    printf("%.*s\n", maxlen, a[maxi]);
    return 0;
}

 

后缀数组很强大哈！

但是，可以看到，后缀数组使用的是指针，如果在python这种没有指针的语言中该怎么用呢？答案是数组。

于是做了python的简单模拟，代码如下：

def pstrcmp(p,q):
    return cmp(c[p:],c[q:])

def comlen(p,q):
    j=0
    while j<len(c[p:])-1 and c[p:][j]==c[q:][j]:
        j=j+1
    return j 

c='' 
a=[]
maxlen=-1
maxi=0

c=raw_input()
for i in range(len(c)):
    a.append(i)
a.sort(pstrcmp)

for i in range(len(a)-1):
    if comlen(a[i],a[i+1])>maxlen:
        maxlen=comlen(a[i],a[i+1])
        maxi=a[i]
print maxi 
print c[maxi:maxi+maxlen+1]

 

测试：

还是书上banana的例子：

结果：ana

再来一个：acbc bcd

结果：bc