我正在阅读有关Tries通常称为Prefix树和的信息Suffix Trees。
虽然我找到了的代码，Trie但找不到的示例Suffix Tree。我也感觉到，构建a的代码与a的代码Trie相同，Suffix Tree唯一的区别是，在前一种情况下，我们存储前缀，而在后缀中。
这是真的？谁能帮我解决这个问题？示例代码将对您有很大的帮助！
Answers:
后缀树可以看做是建立在trie之上的数据结构，在该结构中，您不仅可以将字符串本身添加到trie中，还可以添加该字符串的所有可能的后缀。例如，如果要在后缀树中索引香蕉字符串，则可以使用以下字符串构建特里：
banana
anana
nana
ana
na
a
完成后，您可以搜索任何n-gram，然后查看它是否存在于索引字符串中。换句话说，n-gram搜索是字符串的所有可能后缀的前缀搜索。
这是构建后缀树的最简单，最慢的方法。事实证明，此数据结构上有许多更高级的变体，它们既可以改善空间又可以改善构建时间。我对这一领域并不精通，没有一个概述，但是您可以从研究后缀数组或此类高级数据结构开始（第16和18节）。
这个答案也很好地解释了这种数据结构的变体。
如果您想象一个Trie，其中放置了一些单词的后缀，则可以非常容易地查询字符串的子字符串。这是后缀树的主要思想，基本上是“后缀树”。
但是，使用这种幼稚的方法，为大小为n的字符串构造该树将是O（n ^ 2）并占用大量内存。
由于该树的所有条目都是相同字符串的后缀，因此它们共享许多信息，因此有优化的算法可让您更有效地创建它们。例如，Ukkonen的算法允许您以O（n）时间复杂度在线创建后缀树。
Trie的节点具有指向较短上下文的链接，而“ Tree”则没有。如果Tree的节点链接到较短的上下文，则转向Trie; o）