优化：
1。后缀链加速。
首先我们定义后缀链。我们用ap老表是一个字符串，其中a为单个字符，而p可以是包括空串在内的任意字符串。在隐式树中，如果一个节点v的路径标记对应ap，而节点s(v)对应标记p，那么我们建立从v指向s(v)的指针，称作从v到s(v)的后缀链，特别是如果p为空串，那么有从v到根节点的后缀链，根节点没有后缀链。
关于后缀链的维护，将在之后介绍。假定我们在当前树中维护好了后缀树，并且每个节点（除根节点）都有后缀链。所以，我们先研究如何将后缀链应用于加速。
在上面的朴素算法中的第i+1阶段第j次扩展的时候，需要花费O（m）的时间定位串S[1…i]的位置，一下我们研究第1次和第2次扩展来看后缀链如何优化到这一步。
第i+1阶段的第一次扩展时，容易知道字符串S[1…i]一定是终止于叶节点，因为它是前缀S[1…i]的最长后缀。所以在这次扩展中，我们很容易就找到位置（只需要维护一个指针记录记录最长后缀对应叶节点即可），然后将规则1扩展。
在第二次扩展中，我们需要找到S[2…i]的位置，我们从第一次扩展的叶节点向上走到其父节点v。如果v是根节点，那么下一步就是沿着根节点向下走查找串s[2…i],就像朴素算法一样，如果v是内部节点的话，那么我么就沿着其后缀链找到其指向的节点s(v)。此时，s（v）的路径标记为S[2.i]的前缀S[2…k]（2<=k<=i)。所以我们找到根节点s(v)，然后再像朴素算法一样向下走，即在s(v)为根的子树中查找串S[k+1…i]的位置。
之后的第3次扩展直到第i+1次扩展与上述过程类似。不过，此时的算法时间复杂度应有相应的优化，因为我们沿着后缀链向上走后，仍然需要向下走来找到对应串的位置，其时间复杂度仍为O(m)不过不用担心，我们可以用下面的技巧来继续优化。
留坑，待补。。。