Question

我碰巧在Python中构建二进制搜索，但问题一般与二进制搜索结构有关。

让我们假设我有大约一千个符合条件的候选人，我正在使用二分搜索进行搜索，执行将分类数据集二等分的经典方法，并重复此过程以缩小符合条件的集合以进行迭代。候选人只是名字串，（第一种格式，例如“彼得杰克逊”）我最初按字母顺序排序，然后使用类似的东西进行二分：

hi = len(names)
lo = 0
while lo < hi:
  mid = (lo+hi)//2
  midval = names[mid].lower()
  if midval < query.lower():
    lo = mid+1
  elif midval > query.lower():
    hi=mid
  else:
    return midval
return None

此代码改编自此处：https://stackoverflow.com/a/212413/215608

这就是事情，上面的过程假设一个完全匹配或根本没有结果。如果查询仅仅是为了“彼得”，但是有几个不同姓氏的彼此怎么办？为了归还所有彼得斯，人们必须确保二等分的“箱子”从未如此小到符合条件的结果。二分过程必须停止并放弃像正则表达式/常规旧字符串匹配才能返回所有Peters。

我不是在问这个如何实现这个这种类型的搜索叫什么 ...什么是二进制搜索，带有“bin size”的分隔标准？有条件地将数据集一分为二的东西，一旦满足条件，就会回退到其他形式的字符串匹配，以确保查询上可以有效地存在结束通配符（因此搜索“Peter”将获得“ Peter Jacksons“和”Peter Edwards“）

希望我清楚我的意思。我意识到在典型的数据库场景中，名称可能是分开的，这只是作为概念证明。

Answer 1

之前我没有遇到过这种类型的两阶段搜索，所以不知道它是否有一个众所周知的名字。但是，我可以提出一种方法来实现它。

假设您已经完成了第一阶段并找不到匹配项。

您可以使用一对二进制搜索和一个特殊比较器执行第二阶段。二进制搜索将使用与bisect_left and bisect_right相同的原则。您将无法直接使用这些功能，因为您需要一个特殊的比较器，但您可以将它们作为实施的基础。

现在对比较器。将列表元素x与搜索键k进行比较时，比较器将仅使用x[:len(k)]并忽略x的其余部分。因此，当搜索“Peter”时，列表中的所有Peters将与键相等。因此，bisect_left()到bisect_right()会为您提供包含列表中所有Peters的范围。

所有这些都可以使用O(log n)比较来完成。

Answer 2

在二进制搜索中，您可以选择完全匹配或匹配的区域因此，在您的情况下，您需要获得包含hi的区域的上限和下限（lo Peter），并返回所有中间字符串。

但是如果你的目标是做一些像显示单词的下一个单词的话，你应该看看Tries而不是BST

二进制字符串搜索 - 最小箱宽？

2 个答案: