Question

我在列表中有一个关键字列表，我有来自某些来源的数据，这也是一个列表。

我想查找数据列表中是否存在任何关键字，如果是，则将这些关键字添加到另一个目标列表。

E.g。

关键字列表= SDK manager

数据列表= FIRSTNAME, LASTNAME, CURRENCY & FUND

从上面的示例中，我想制作一个包含关键字HUSBANDFIRSTNAME, HUSBANDLASTNAME, WIFEFIRSTNAME, SOURCECURRENCY & CURRENCYRATE.的目标列表，但FIRSTNAME, LASTNAME & CURRENCY不应该出现，因为它不存在于数据列表中。

我在下面有一个解决方案，通过使用两个for循环（一个在另一个内部）并使用String contains方法检查，但我想避免两个循环，尤其是一个在另一个循环中。

FUND

我的问题还有其他替代解决方案吗？

Answer 1

尝试Aho-Corasick算法。该算法可以得到数据中每个关键字的出现次数（只需要它是否出现）。

复杂性为O(Sum(Length(Keyword)) + Length(Data) + Count(number of match))。

以下是wiki-page：

在计算机科学中，Aho-Corasick算法是一个字符串搜索由Alfred V. Aho和Margaret J. Corasick发明的算法。它是一种字典匹配算法，用于定位a的元素输入文本中的有限字符串集（＆＃34;字典＆＃34;）。它同时匹配所有模式。算法的复杂性是模式的长度加上长度的线性搜索文本加上输出匹配的数量。

我在几年前就类似的情况实施了它（大约200行），并且效果很好。

如果您关心关键字是否出现，您可以为您的案例修改该算法，具有更好的复杂性：

O(Sum(Length(Keyword)) + Length(Data))。

您可以从互联网上找到该算法的实现，但我认为理解该算法并自行实现它会对您有所帮助。

编辑：

我认为你想要消除两个循环，所以我们需要在一个循环中找到所有关键字。我们称之为Set Match Problem一组模式（关键字）与文本（数据）匹配。您想要解决Set Match Problem，那么您应该选择专为此案例设计的Aho–Corasick algorithm。这样，我们将获得一个循环解决方案：

for (int i=0; i < dataList.size(); i++) {       
  targetSet.addAll(Ac.run(keywordsList));
}

您可以从here找到实施。

Answer 2

这是使用regex的单循环方法。您可以使用关键字构建模式，然后遍历dataList并查看是否可以找到匹配项。

public static void main(String[] args) throws Exception {
    List<String> keywords = new ArrayList(Arrays.asList("FIRSTNAME", "LASTNAME", "CURRENCY", "FUND"));
    List<String> dataList = new ArrayList(Arrays.asList("HUSBANDFIRSTNAME", "HUSBANDLASTNAME", "WIFEFIRSTNAME", "SOURCECURRENCY", "CURRENCYRATE"));
    Set<String> targetSet = new HashSet();

    String pattern = String.join("|", keywords);
    for (String data : dataList) {
        Matcher matcher = Pattern.compile(pattern).matcher(data);
        if (matcher.find()) {
            targetSet.add(matcher.group());
        }
    }

    System.out.println(targetSet);
}

结果：

[CURRENCY, LASTNAME, FIRSTNAME]

Java - 在另一个字符串列表中搜索关键字列表

2 个答案: