Question

我对在Python中实现自动完成感兴趣。例如，当用户键入字符串时，我想在磁盘上显示名称以该字符串开头的文件子集。

查找大型语料库中某些条件（比如几十万个字符串）的字符串的有效算法是什么？类似的东西：

matches = [s for s in allfiles if s.startswith(input)]

我希望条件灵活;例如。只要输入中的所有字母以相同的顺序出现在s中，它就是匹配而不是严格的startwith。什么比我在这里展示的蛮力方法更好？

Answer 1

对于精确匹配，通常实现此类内容的方法是将您的语料库存储在trie中。我们的想法是将每个字母存储为树中的节点，链接到单词中的下一个字母。找到匹配只是走在树上，并显示当前位置的所有孩子。例如。 “cat”，“cow”和“car”将存储为：

  a--t
 / \ 
c   r
 \
  o--w

当你得到一个c，你从c节点开始，a然后会带你到c / a节点（孩子们） “t”和“r”，将猫和车作为你的完成品。）

请注意，您还需要标记完整单词的节点来处理作为其他子串的名称（例如“car”和“cart”）

要获得所需的模糊匹配，您可能需要进行一些更改。

Answer 2

我使用Lucene自动填充了超过十万种可能性的文本字段，我觉得它是即时的。

Answer 3

也许readline模块正是您所寻找的。它是GNU readline库Python Documentation的接口。也许你可以用set_completer()提供自己的completition函数。

Answer 4

您希望匹配字符串的灵活性称为模糊匹配或模糊搜索。我不知道任何python实现（但我没有仔细研究过这个主题）但是你可以重用C / C ++实现，比如支持带模糊参数的regexp的TRE packaged。

除此之外，总是存在一个问题，即你的单词总列表是否适合记忆。如果没有，将它们保存在列表中是不可行的，并且必须将某些内容缓存到磁盘或数据库中。

Answer 5

（仅解决问题的字符串匹配部分）

如果你想自己快速尝试一下，为什么不创建一些词典，每个词典都将初始模式映射到字符串列表

因此，例如，当用户键入三个字符时，您可以使用长度为3的键查找字典。如果匹配，则表示您可以立即使用1到10种可能性。