看過非常多的不靠譜suffix tree介紹后，本文是我在網上發現至今最好的一篇，通過三個規則講述了整棵后綴樹的構建過程，圖形結合，非常容易理解，並且本文尊重原作者Ukkonen的論文術語，清楚的講解了出現在suffix tree中的每一個概念，花時3個小時翻譯之，共勉，部分有修改和拋棄。
正文如下：
接下來我將通過一個簡單的字符串（不包含重復的字符）來試着分析Ukkonen算法，接着來講述完整的算法框架。
首先，一點簡單的事前描述
1. 我們構建的是一個簡單的類似搜索字典類（search trie）結構，所以存在一個根節點（root node)。樹的邊（edges)指向一個新的節點，直到葉節點。
2. 但是，不同於搜索字典類（search trie)，邊標簽（edge label)不是單個字符，相反，每一個邊被標記為一對整數[from, to]。這一對整數是輸入字符串的索引(index）。這樣，每一個邊記錄了任意長度的子字符（substring)，但是只需要O(1)空間復雜度（一對整數索引）。
基本約定
下面我將用一個沒有重復字符的字符串來說明如何創建一顆后綴樹(suffix tree):
abc
本算法將從字符串的左邊向右邊一步一步的執行。每一步處理輸入字符串的一個字符，並且每一步抑或涉及不止一種的操作，但是所有的操作數和是O(n)時間復雜度的。
好，我們現在將字符串左邊的a插入到后綴樹，並且將此邊標記為[0, #]，它的意思是此邊代表了從索引0開始，在#索引結束的子字符串（我使用符號#表示當前結束索引，現在的值是1，恰好在a位置后面）。
所以，我們有初始化后的后綴樹：
其意思是：
現在我們處理索引2，字符b。我們每步的目的是將所有后綴(suffixes）的結束索引更新當前的索引。我們可以這樣做：
1. 拓展存在的a邊，使其成為ab;
2. 為b插入一條新邊。
然后變成這樣：
其意思是：
我們觀察到了二點：
- 表示ab的邊同我們初始化的后綴樹：[0, #]。它意味着將會自動改變，我們僅僅更新#，使其成為2即可；
- 每一步只需要O(1)的空間復雜度，因為我們只記錄了一對整數索引而已。
接下來，我們繼續自增#索引，現在我們需要插入字符c了。我們將c插入到后綴樹中的每一條邊，然后在為后綴c插入一條新邊。
它們像下面：
其意思是：
我們注意到：
- 在每一步后，恰好都是一顆正確的后綴樹;
- 總共需要字符串長度的數量的操作;
- 所有的操作都是O(1)。
第一次拓展：簡單的重復字符串
上面的算法工作的非常正確，接下來我們來看看更加復雜的字符串：
abcabxabcd
步驟1至3：正如之前的例子：