Question

我有一本大字典（大约1000万字和表达）。我想构建一个非常快速的系统，允许使用*和？搜索整个字典。口罩。 E.g：

* EST * ：

有关的 EST

EST imate

名词 EST

ķ??克* ：

ķ的在克

ķ的 AG 克的文件

ķ的在克的 DOM

我知道如果我手动编程，可以使用 trie 数据结构轻松解决。在Java中是否有生产就绪（或几乎准备好）用于此类任务？

Answer 1

一种方法是创建一个包含1000万个单词和短语的单个字符串。构建字符串，以便每行有一个条目。也就是说，如果＆＃34; foo＆＃34;，＆＃34; bar＆＃34;，＆＃34; bas＆＃34;都是单词，字符串是：

"foo\nbar\nbas\n"

然后，您可以使用标准正则表达式库来查找所有匹配项。只需确保您的正则表达式已锚定，以便它不会延伸到换行符之外。因此，如果您查找正则表达式"ba*"，它会找到＆＃34; bar＆＃34;并且＆＃34; bas＆＃34;而不是找到＆＃34; bar \ nbas \ n＆＃34;。

我认为 Java正则表达式中的默认值是停在换行符处，因此您可能不需要做任何特殊操作。否则，有正则表达式选项可让您指定如何处理字符串中的嵌入换行符。

有一点需要指出：当正则表达式引擎报告找到匹配时，它会报告起始位置。您需要备份到单词的开头（上一个\n），然后复制到结尾（下一个\n）。

显然，您只想在启动时或每当字典更改时构建一个巨大的字典字符串。无论如何，你真的不想为每一次搜索构建它。

这不是最快的解决方案，但它很可能足够快到达您的目的。它易于实施且易于证明是正确的。这是一个很好的入门方式。