Question

假设我有两个大型列表，list_of_A_objects包含类A的对象，列表_of_B_objects包含B类对象。

他们都有字符串成员。

我希望能够搜索两个列表中的所有元素，如果A对象的字符串成员是B对象的字符串成员的子字符串，我希望它能够执行某些操作。

如果列表非常小，我在下面的内容很好，但如果列表很大，则可能需要很长时间。

有没有办法让它更快。我一直在考虑以某种方式使用字典，因为它们有快速查找但我无法弄明白。

这是我到目前为止所做的。

class A:
    def __init__(self, x):
        self.string = x

class B:
    def __init__(self,x):
        self.string = x

list_of_A_objects = get_large_list_of_A_objects()

list_of_B_objects = get_large_list_of_B_objects() 


for A_object in list_of_A_objects:
    for B_Object in list_of_B_objects:
        if A_object.string in B_Object.string:
            do_something()

Answer 1

您可以做的一件事是从B对象创建一个字符串。构建它时，还要创建索引列表，以便知道较大字符串中每个字符串的索引。请参阅下面的代码。

请注意，我不是python程序员，所以你必须解释我的伪代码。

BStrings = ""
list_of_Indexes = new list of int
for B_object in list_of_B_objects
    list_of_Indexes.Add(length of BStrings)
    BStrings = BStrings + B_Object.string + newline

现在，您可以搜索每个A_object的BStrings字符串。如果找到该字符串，该函数将返回在字符串中找到它的位置的索引。然后，您可以二进制搜索list_of_indexes以确定哪个B_object包含该字符串。

这并没有真正改变操作的复杂性（它仍然是MxN，其中M是A列表中的对象数，N是B列表的长度），但是搜索单个字符串中的子字符串将比循环遍历B列表更快，因为它避免了设置搜索的开销。

即使这样太慢，你也会想要使用像Aho-Corasick string matching algorithm这样的东西。可能有一个不错的Python实现。

Answer 2

这是一个使用字典的python实现。首先将其中一个列表转换为由其对象的字符串

编制索引

a_map = {}

for A_object in list_of_A_objects:
    a_map[A_object.string] = A_object

然后对于另一个列表中的每个对象，检查对象的字符串是否存在于字典中（在常量时间内），如果是，那么do_something

for B_object in list_of_B_objects:
    if B_object.string in a_map:
        do_something(a_map[B_object.string])

这假设每个A_object都有一个唯一的字符串。如果不是这种情况，那么您可以将a_map的值设为对象数组而不是单个对象。

快速搜索两个列表中的所有元素

2 个答案: