C：在字典中搜索字符串

Question

我有一个算法，我已经创建了一个庞大的字符串集（字典）。现在我有另一个巨大的字符串流连续到达，需要查找是否存在于字典中。到目前为止，我能够实现这个场景。现在我希望如果任何字符串到达​​两次或多次，我需要将其标记为“现有”而不再搜索。我们怎样才能做到这一点？如果不以某种方式存储已解析的字符串，我无法想到任何方式。如果我们存储已经解析过的字符串然后检查每个字符串是否提前，那将是一个开销，它会破坏优化的意图。有什么想法吗？

Answer 1

您不需要检查每个字符串，以便判断您之前是否曾见过。这种问题通常用hash table解决，它会让你知道一个元素是否在常量时间内在表中（好吧，它可以，但它取决于实现）。

或者您可以使用Bloom Filter，它可以快速告诉您是否还没有看到某个项目，尽管它有误报的缺点。即它可靠地告诉你是否有东西不在集合中，但是告诉你“可能”，否则你必须进行进一步的检查。

Answer 2

哈希表的使用是最好的解决方案。它具有优化的功能，以便快速处理这项工作。将每个字符串简单地添加到hhashtable会给你一个隐含的检查。

Answer 3

保持字符串数组排序。搜索将是O（log N）而不是O（N），这会带来巨大的性能提升。