我有200万个字符串，我需要在1 TB文本数据上搜索每个字符串。搜索所有这些并不是最佳解决方案，因此我在考虑为所有字符串创建数据结构（如trie）的更好方法。换句话说，一个trie，其中每个节点都是一个单词。我想问一下，为此目的，是否有任何好的算法，数据结构或库（在C ++中）？
让我在这个问题研究员中更具描述性，
例如，我有这些字符串： s1-“我爱你” s2-“你好吗” s3-“怎么了老兄”
我有很多文字数据，如： t1-“嗨，我的名字是奥米德，我喜欢电脑。你们好吗？” t2-“你的每一个愿望都会完成，他们告诉我......” T3 T4 。 。 。 T10000
然后我想考虑每个文本并搜索它们上的每个字符串。最后，对于这个例子，我只想说：t1包含s1而没有别的。 我正在寻找一种有效的方法来搜索字符串，但每次都不是愚蠢的。
答案 0 :(得分：1)
我很遗憾发布仅限链接的答案，但如果您不介意阅读研究论文，那么字符串匹配算法的最终参考资料似乎是http://www-igm.univ-mlv.fr/~lecroq/string/和以下research paper通过Simone Faro和Thierry Lecroq，他们比较了85种不同字符串匹配算法的相对性能。我很确定有一个适合你的需要。
答案 1 :(得分：0)
我强烈建议你使用CLucene（http://clucene.sourceforge.net/），它是Apache Lucene项目的一个端口。这将为您构建一个倒排索引，并使文本搜索速度非常快。如果更改语言是一种选择，请考虑在Java中执行此操作，因为CLucene版本有点过时了。它会更慢但功能更多。