iOS中的全文子字符串搜索

Question

我需要我的iPhone / iPad应用程序能够快速搜索记录中包含的任何子字符串的大约10,000条记录（大约每段文本段）。因此，如果记录包含单词“Flame”，则查询“lame”应该匹配。

我目前正在使用SQLite，但“LIKE％term％”搜索对于这么多记录来说太慢了。启用全文搜索似乎不能完全满足我的需求，因为SQLite只支持前缀通配符（例如“Flam *”，而不是“* lame”）。

我已经尝试过使用一大块文本（~350K）和[NSString rangeOfString：...]，我认为它使用的是Boyer-Moore算法。这比“LIKE％term％”搜索更快，但仍然不是我希望的那种速度。

对于实现这种可扩展子字符串搜索的方法或库的任何建议，哪些可以在iPhone上运行？

Answer 1

以下是一些不同的选项。我不知道每个的标记，所以你必须做一些测试。

首先是SQLite的FTS3扩展。这应该为您提供快速，索引的全文搜索： http://regularrateandrhythm.com/regular-rate-rhythm-blog/sqlite3-fts-in-IOS4.html

那么，在iOS 4中引入的正则表达式如何：
http://developer.apple.com/library/ios/#documentation/Foundation/Reference/NSRegularExpression_Class/Reference/Reference.html

对于iOS 4之前的版本，您可以使用RegexKitLite：
http://regexkit.sourceforge.net/RegexKitLite/index.html

如果您决定使用正则表达式，请查看此条目以了解如何优化它们：
How to speed up iPhone regular expressions with NSRegularExpression?

Answer 2

也许考虑将第二种方法与异步方法结合起来。将大块文本划分为5,10，无论大小如何，并使用相同数量的线程分别搜索它们。然后通过使用知道如何正确定位匹配的坐标系统来组合结果（例如，线程5搜索到的区域5并且在位置337处找到与文档x相关的匹配，位置y）。您会发现添加更多线程没有任何好处是有限的，因此这是首先要弄清楚的。

Answer 3

如果您无法对文本进行标记（将其拆分为单词），则无法将其编入索引。这就是LIKE是顺序搜索的原因。除非您的子字符串可以以某种方式受到约束（例如，总是删除子字符串的第一个字母或固定长度），否则您的文本不能存储为所有可能标记的列表，并且这些标记无法编入索引。关键（双关语）是找到一个算法，该算法产生足够小的标记列表，索引它们的成本低于线性搜索的成本。