Question

我有一个长度为平均句子的字符串，它可以由任何随机单词组成。我还有一个文件（大约600kb），其中包含更多随机单词。

我想尽可能有效地找出这两者之间的常用词。现在，我正在通过两个循环来匹配文件中的每个单词与文件中的每个单词，但这似乎有点低效。有没有更好，更有效的方法来获得常用词？

Answer 1

将一组加载到数组键中（值可以是任何值）。然后循环另一组并测试阵列是否具有这些键。这样，您就不会有两个嵌套循环，而是两个独立循环（加载循环和测试循环），与值查找相比，键查找简单快捷。

如果您正在针对一个文件测试多个句子，那么将文件加载到数组中显然会更好。如果您的文件大于您的记忆（不应该发生，而不是600kb），那么请反过来。

或者，您可以制作两个数组，然后使用array_intersect或array_intersect_key。如果PHP很聪明，array_intersect_keys将使用上述程序;在任何情况下它应该是好的，因为它是用C实现的。缺点是你必须将所有内容加载到内存中（再次，可能不是问题）。

Answer 2

您当前的算法复杂度为O（N * M）。要改进它，您可以使用哈希表来存储文件中的单词。在PHP中，关联数组实现为哈希表。所以你的数组看起来像这样

$array = ['abc' => true, 'dfg' => true, ]// and so on

并使用array_key_exists检查单词是否在数组中。这样就可以验证O（1）。最后，你必须迭代句子中的单词。它将是O（N），其中N是多个单词。最终的复杂性是O（N）