java中的高效字符串匹配

Question

我有一串句子（推文）和1000多万个名字。我想确定一个句子（推文）是否包含1000万个名字中的一个。我可以为所有可能的模式编译正则表达式，但我真的想知道是否有一个有效的算法来做到这一点。

谢谢，

Answer 1

您可以构建a trie (a prefix tree)。

Answer 2

您可以尝试使用Bloom filter。 Demo here

Answer 3

如果您只是寻找简单字符串（名称）的出现，我认为您根本不需要模式匹配。如果你实际上是针对推特名称 - 在推文中提到它们时，它们是不是带有@符号的前缀？如果是这样，首先只是寻找@符号并从那里开始。

要检查@之后的字符串是否是您的1000万字符串之一，ruakh提出的前缀树绝对是个好主意

Answer 4

你可以从另一个方向去做。当句子出现时，将其拆分为标记并为每个标记构建一个RegEx模式，例如^ token \ s *。假设各自在线，将每个名称与1000万个名称进行比较。