模式匹配算法

Question

背景

我正在设计一个将文本从一种语言转换为另一种语言的应用程序。例如，输入文本hello将转换为指定的语言文本。这是通过为每种语言提供查找表来完成的。转换算法包括以下步骤。

1. 寻找完全匹配。整个单词hello将成为模式。如果找到任何匹配项，请停止处理并返回匹配项。
2. 否则从左右开始并查找每个字符，直到完成所有组合。例如：迭代1：模式= h，第二 - he，第三 - hel等等。匹配的令牌将保存在临时缓冲区中，并在没有更多匹配时返回。这类似于最大蒙克规则。
3. 如果找到匹配项，匹配的文本将从原始文本中删除，并继续使用剩余文本进行处理。

此算法必须多次迭代输入文本，并导致二次复杂度。我试图通过在树结构中安排查找表来优化它（非常类似于后缀树）。如果有h，hel，lo的查找文字，则会将其组织为

root
--h
----hel
--lo

这有助于我避免不必要的查找。匹配h后，只有h节点有子节点时才需要转到下一个字符。这大大减少了迭代次数。

问题

1. 这种数据结构的名称是什么？是否有适用于C或C ++的现成实现？
2. 您认为上述算法或数据结构有任何可能的改进吗？

有什么想法......？

Answer 1

三元搜索树可能就是你所说的。它类似于特里，但从我理解的空间效率更高。

Answer 2

查看'Trie'数据结构。

为什么不使用Lucene以非常快的方式索引文本，甚至更多 - 索引包括算法

• steming
• 保险丝匹配

等等。