Question

我需要检查数百万个字符串的缩写，并用完整版替换它们。由于数据，只应替换以逗号结尾的缩写。字符串可以包含多个缩写。

我有一个包含缩写 - ＆gt; Fullversion对的查找表，它包含大约600对。

我目前的设置看起来像这样。在启动时，我使用Jackson从csv文件创建一个ShortForm实例列表，并将它们保存在一个单例中：

public static class ShortForm{
    public String fullword;
    public String abbreviation;
}

List<ShortForm> shortForms = new ArrayList<ShortForm>();
//csv code ommited

使用列表的一些代码

for (ShortForm f: shortForms){
    if (address.contains(f.abbreviation+","))
        address = address.replace(f.abbreviation+",", f.fullword+",");
}

现在这样可行，但它慢。有没有办法可以加快速度？第一步是使用逗号加载ShortForm对象，但我还能做什么呢？

====== 更新更改代码以反过来工作。将字符串拆分为单词并检查集合以查看该字符串是否为缩写。

    StringBuilder fullFormed = new StringBuilder();
    for (String s: Splitter.on(" ").split(add)){
        if (shortFormMap.containsKey(s))
            fullFormed.append(shortFormMap.get(s));
        else
            fullFormed.append(s);
        fullFormed.append(" ");
    }

    return fullFormed.toString().trim();

测试表明，这比原始方法快13倍。干杯davecom！

Answer 1

如果你跳过contains()部分：）

，那已经快一点了

Answer 2

真正提高性能的是使用比简单数组更好的数据结构来存储ShortForms。所有短格式都可以按字母顺序按缩写存储。因此，您可以将查找时间从O（N）减少到更像二分查找的内容。

我之前没有使用它，但也许标准库的SortedMap符合要求而不是使用自定义对象： http://docs.oracle.com/javase/7/docs/api/java/util/SortedMap.html

这就是我的想法：

将缩写/全字对放入TreeMap
将地址标记为单词。
检查每个单词以查看它是否是TreeMap中的键
如果
将更正后的标记重新组合在一起作为地址

Answer 3

我想我会用HashMap做到这一点。关键是缩写，值将是完整的术语。然后只需在字符串中搜索逗号，然后查看逗号之前的文本是否在字典中。您可以在一次传递中将所有替换映射到单个字符串中，然后在此之后进行所有替换。

这使得每次查找O（1）总共进行O（n）次查找，其中n是找到的缩写的数量，我认为不太可能有更高效的方法。

有效地检查子串并替换它们 - 我可以在这里提高性能吗？

3 个答案: