我在读关于Tries，通常被称为前缀树和Suffix Trees。虽然我已经找到了Trie的代码，但我找不到Suffix Tree的示例。另外，我觉得构建Trie的代码与Suffix Tree的代码相同，唯一不同的是，在前一种情况下，我们存储前缀，但在后一种后缀中。这是真的吗？有人能帮我把这件事在脑子里说清楚吗？一个示例代码会很有帮助！

后缀树可以被看作是一个建立在trie之上的数据结构，在这个结构中，除了将字符串本身添加到trie之外，还可以添加该字符串的所有可能后缀。例如，如果要在后缀树中索引字符串banana，则需要使用以下字符串构建trie：

完成后，您可以搜索任何n-gram并查看它是否存在于索引字符串中。换句话说，n-gram搜索是对字符串所有可能后缀的前缀搜索。

这是构建后缀树最简单、最慢的方法。事实证明，在这种数据结构上，有许多更高级的变体可以改进空间和构建时间。我对这个领域还不够了解，无法给出一个概述，但是您可以从后缀数组或这个类的高级数据结构开始(第16和18课)。

这个答案也能很好地解释这种数据结构的变体。

如果您想象一个trie，在其中放置一些单词的后缀，您将能够非常容易地查询字符串的子字符串。这是后缀树背后的主要思想，它基本上是一个"后缀trie"。

但是使用这种幼稚的方法，为大小为n的字符串构造这棵树将是O(n^2)，并且需要大量的内存。

因为这棵树的所有条目都是相同字符串的后缀，所以它们共享很多信息，所以有一些优化算法可以让您更有效地创建它们。例如，Ukkonen的算法允许您在O(N)时间复杂度下在线创建后缀树。

区别很简单。后缀树的"伪"节点比后缀trie少。这些虚拟节点是增加树上查找操作的单个字符