后缀自动机的运用
做了一些题，主要是题目的列举和简单总结，所以讲解会很简略。
第一次写这种简略的说明，完全不用考虑别人懂不懂，好舒服！
一、基础操作
这里是一些有助于理解sam基本结构的题目，所以讲解会比较简略。
我们知道sam上每一个节点表示的是一段长度连续的子串，可以通过parent树上的简单统计得到该节点的 \(|\text{edp}(x)|\)，所以该节点对答案产生的贡献就是 $len\times |\text{edp}(x)| $ 。
我们知道对于一次加入的子串 \(S[1,i],S[2,i],...,s[i,i]\) ，之前没有出现的一定是 \(S[1,i]\sim S[a,i]\) 。
之后考虑求出这个 \(a\)，经过分析sam的加入过程可以知道，其实这就是 \(tr[x].len\) 。（这也可以直接sa搞）
二、匹配所有子串
因为sam维护了所有的子串，所以我们也可以做到匹配子串的功能，而且复杂度是优秀的 \(O(|S|)\) 的。
假设只有两个串，我们考虑把 \(S_1\) 拿出来做比配串，把 \(S_2\) 建sam，对于 \(i\in[1,|S_1|]\)，求出 \(a_i\) 表⽰\(S1[1,i]\) 在 \(S_2\) 中出现过最长后缀的长度，即以 \(i\) 结尾的位置的最⻓匹配⻓度。
这样 \(\max a_i\) 就是答案。
那么有多个串，我们就选最小的串作为匹配串，然后在剩下的每一个串 \(S_i\) 中都做一遍上面的流程，并且对 \(a_i\) 用 \(\min\) 去更新，这样最后 \(\max a_i\) 就是答案。
复杂度任然是 \(O(\sum|S_i|)\) 的。
这里是没有区间的限制的情况。
同样可以考虑直接把 \(T\) 在 \(S\) 的sam上进行匹配，同样求得以 \(i\) 结尾的位置的最⻓匹配⻓度。
但是我们没有考虑在 \(T\) 中去重（也就是会出现同样的子串被算多次。）
参考上面的说法，会算重的也是一段后缀，而且这个是可以通过再建一个sam求出来的，所以答案就是 \(\sum i-\max(a_i,b_i)\) 。
循环，就是在匹配的时候往后面加字符，并且把前面的字符删掉。
后面加是好做的，但是怎么考虑删字符？
发现这就是 \(x\) 跳 \(link\) 的操作。
三、在parent树上的操作
这一部分所涉及的操作都会通过转化成parent树上的操作，所以也有一定树上操作的基础。
差分，后面加上 \(len=1\) 的情况。
对于前缀 \(i\) 和前缀 \(j\) ，会产生贡献的答案为 \(\min(\text{lca(}id_i,id_j).len,|i-j|-1)\) 。（\(id_i\) 表示 \(S[1,i]\) 在sam上的节点编号）
那么我们考虑启发式合并，每次合并过来一个前缀 \(x\) 的时候更新答案。
合并的时候可以用线段树维护区间个数、区间权值和，来统计答案。
考虑一次询问 \(l,r\) ，我们需要对 \(id_r\) 的每一个父亲 \(x\) 考虑，对答案的贡献就是 \(\max\{i|i\in edp(x)\and i\le \max(r,l+x.len-1)\}-l\) ，我们对每一个 \(x\) 统计一下取 \(\max\) 就是答案。
然后考虑优化，考虑重连剖分，这样一个询问/修改（你可以把修改理解为我一开始会给\(id_i\) 到根的每个点的集合加入 \(i\) ）都对应到了 \(\log\) 个链的情况，接下来我们考虑处理链的情况。
因为 \(x.len\) 随深度减少而减少，所以一个修改如果会产生贡献那么一定会在与查询的 \(lca\) 处。
所以我们可以先从链顶从上往下扫，对每一个询问处理修改在他上面的情况，在从链顶从下往上扫，处理修改在下面的情况。
从下往上扫是好处理的，直接用set支持插入、查询前驱即可。
考虑从上往下扫的情况，这时每个修改会多一个权值 \(b_i\) 表示插入时的点的 \(len\) ，而一个修改查询的是满足 \(i\le r\and i+b_i\le l\) 的最大的 \(i\)，二维数点？树套树？实际上这是可以用线段树二分解决的。
所以整个题就可以 \(O(n\log^2 n)\) 解决了。
四、用线段树合并维护endpos
标题的意思，有了这个我们就可以干很多关于具体的edp位置的事。
考虑之前我们的做法需要干什么：考虑当前在sam上的状态有没有在给定区间中出现过。
设当前匹配长度为 \(len\) ，那么就是看edp在 \([l+len-1,r]\) 中有没有元素，这是很好办的。
注意：这里发现没有不能直接跳link，因为你看这个区间的范围就知道是关于len的，所以我们要每一给 \(len\) 减一，然后继续。虽然每次只减一看起来很慢，但是复杂度还是 \(O(\sum|T|\log |S|)\) 的。
看起来很神秘，需要你好好想想循环的串的性质（或许也不叫性质）
一个循环的串 ABBAABBAABBA 可以拆成两个相同的串:
ABBAABBA
ABBAABBA
诶，这样对于一个sam上的节点 \(i\) ，设 \(p=edp(i)\) 中相邻的举例最近的距离，那么产生的贡献就是 \(\lfloor\frac{len}{p}\rfloor+1\) 了。
\(p\) 直接用线段树维护就行了（好像也可以用启发式合并+链表）
五、广义sam
这里指用trie建出来的广义sam，这个的性质会比其他的广义sam好。
正牌广义sam建出来，我们只用维护一下sam上的节点的edp来自几个不同的串，相当于只用求子树内的颜色数是否大于2，求出来就可以直接给 \(ans_{co_i}\leftarrow ans_{co_i}+i.len-i.link.len\) 就行了。
之前做的，可能会有记忆缺失。
同样把每个sam的节点用线段树维护在哪个子串中出现了多少次（合并时用线段树合并），然后用倍增找到给定区间所在的sam节点，然后就直接询问找区间最值。
