巨大的字符串静态数组

Question

在字符串的静态数组中存储具有100.000个单词的字典的单词是一个好主意。我正在研究拼写检查，我认为这样会更快。

Answer 1

将数字字符串存储为数组肯定不是一个好主意，特别是如果你使用它进行拼写检查，这意味着你必须搜索和比较字符串。通过数组搜索或比较字符串会使效率低下，因为它始终是线性搜索

Answer 2

对于任何非常重要的事情，您通常应该更喜欢Java Collections Framework类到本机Java数组。在这种特殊情况下，你拥有的是Set<String>（因为在字典中不会出现任何单词）。

HashSet<String>为基本操作add，remove和contains提供了恒定的时间性能，并且应该与String哈希码公式一起使用。

对于较大的词典，您需要使用专门用于存储一组字符串的更复杂的数据结构（例如trie），但对于100K字，HashSet就足够了。

另见

• Java Tutorials/Collections Framework
• Effective Java 2nd Edition，Item 25：Prefer lists to arrays

Answer 3

内存数据库技术的方法怎么样，例如sqlite inmemory这允许您使用有效的查询而无需磁盘开销

Answer 4

我认为10万不是那么大，搜索wolud是无效的。当然这取决于...如果你检查一个单词是否存在于数组中它会很好 - 这是一个线性复杂度算法。您可以保持表的顺序，这样您就可以使用快速搜索算法，使其更有效率。

另一方面 - 如果你喜欢找到5个最可能的单词（使用N-gram方法或其他东西），你应该考虑使用Lucene或其他文本数据库。

Answer 5

也许使用SQLite数据库会更有效率？我认为这就是firefox / thunderbird对拼写检查的作用，但我并不完全确定。

Answer 6

您将无法将该数量的字符串存储在静态变量中。 Java对静态代码甚至方法体都有大小限制。只需使用flatfile并在类实例化时读取它 - Java比大多数人对这些事情的想法要快。

请参阅Enum exeeding the 65535 bytes limit of static initializer... what's best to do?。