Suffix Trie： 又稱字尾Trie或字尾樹。它與Trie樹的最大不同在於，字尾Trie的字串集合是由指定字串的字尾子串構成的。比如、完整字串"minimize"的字尾子串組成的集合S分別如下：

s1=minimize

s2=inimize

s3=nimize

s4=imize

s5=mize

s6=ize

s7=ze

s8=e

然後把這些子串的公共字首作為內部結點構成一棵"minimize"的字尾樹，如圖所示，其中上圖是Trie樹的字元表示，下圖是壓縮表示(詳細見點選開啟連結)。可見Suffic Trie是一種很適合操作字串子串的資料結構。 它和PAT tree在這一點上類似。

Suffix Trie的建立

標準Tire樹的每一個內部結點只有一個字元，也就是說公共字首每一次只找一個。而Suffix Trie的公共字首可以是多個字元，因此在建立Suffix Trie的時候，每插入一個字尾子串，就可能對內部結點造成一次分類。下面我們我們看一種字尾樹構造演算法。以"minimize"為例：

當插入子串時，發現葉子結點中的關鍵字與子串有公共字首，則需要將該葉子結點分裂。如上圖第3到4步。否則，重新建立一個葉子結點來存放字尾，如上圖第1到2步

Suffix Trie的子串查詢

如果在後綴樹T中查詢子串P，我們需要這樣的過程：

(1) 從根結點root出發，遍歷所有的根的孩子結點：N1,N2,N3....

(2) 如果所有孩子結點中的關鍵字的第一個字元都和P的第一個字元不匹配，則沒有這個子串，查詢結束。

(3) 假如N3結點的關鍵字K3第一個字元與P的相同，則匹配K3和P。

若 K3.length>=P.length 並且K3.subString(0,P.length-1)=P，則匹配成功，否則匹配失敗。

若 K3.length<=P.length 並且K3=P.subString(0, K3.length-1)，則將子串P1=P.subString(K3.length, P.length); 即取出P中排除K3之後的子串。然後P1以N3為根結點繼續重複(1)~(3)的步驟。直到匹配完P1的所有字元，則匹配成功。否則匹配失敗。

查詢效率：很顯然，在上面的演算法中。匹配成功正好比較了P.length次字元。而定位結點的孩子指標，和Trie情況類似，假如字母表數量為d。則查詢效率為O(d*m)，實際上，d是固定常數，如果使用Hash表直接定位，則d=1.

因此，字尾樹查詢子串P的時間複雜度為O(m)，其中m為P的長度。

Suffix Trie的應用

標準Trie樹只適合字首匹配和全字匹配，並不適合字尾和子串匹配。而後綴樹在這方面則非常合適。

另外字尾樹也可以進行字首匹配。 如果模式串P是字串S的字首的話，那麼從根結點出發遍歷字尾樹，一定能夠尋找到一條路徑完全匹配完P。比如上圖： 模式串P=“mini”，主串S="minimize"。P從根節點出發，首先匹配到結點mi，然後再匹配孩子結點nimize。直到P中所有的字元都找到為止。所以P是S的字首。