快速文件系统路径与某些模式匹配（但没有wildchar）

Question

假设一组（Unix）路径，例如

/usr
/lib
/var/log
/home/myname/somedir
....

给定路径/some/path，我想测试这个/some/path是否与上面路径中的任何一个匹配，并且，“匹配”，我的意思是

1. /some/path正好是上述路径之一，或
2. 它是上述路径之一的子路径。

我知道我可以通过/分割路径并逐个进行字符串匹配，但我想这么快，可能是通过使用一些散列技术或类似的东西，这样我可以转换这些字符串匹配一些整数匹配。

有没有算法？或者，有没有证据证明它没有？

Answer 1

哈希表方法

由于路径通常不是很深，您可以负担得起存储所有可能的匹配子路径。

对于输入集中的每个路径，将其每个子路径添加到哈希表中。例如，这个集合：

/usr
/lib
/var/log
/home/myname/somedir

将生成此表：

hash0 -> /usr
hash1 -> /lib
hash2 -> /var
hash3 -> /var/log
hash4 -> /home
hash5 -> /home/myname
hash6 -> /home/myname/somedir

现在搜索查询归结为在此哈希表中找到完全匹配。只有在哈希冲突的情况下才需要进行字符串比较。

这种方法的一个主要缺点是，在一般情况下，它需要超线性的内存量（相对于输入集的大小）。

考虑600个字符长的路径：

[400characterlongprefix]/a/a/a/...[100 times].../a/a/a/

相应的表格总共包含50500个字符：

hash0   -> [400characterlongprefix]
hash1   -> [400characterlongprefix]/a
hash2   -> [400characterlongprefix]/a/a
...
hash100 -> [400characterlongprefix]/a/a/a/...[100 times].../a/a/a/

Trie方法

预计算步骤

1. 将集合中的每个路径拆分为其组件。
2. 为每个不同的组件分配一个索引，并将该对（组件，索引）添加到哈希表中。
3. 对于每个路径，将其组件索引的序列添加到prefix tree。

示例

输入集：

/usr
/var/log
/home/log/usr

组件索引：

usr  -> 0
var  -> 1
log  -> 2
home -> 3

前缀树：

0            // usr
1 -> 2       // var, log
3 -> 2 -> 0  // home, log, usr

搜索查询

1. 拆分其组件的路径。
2. 对于每个组件，在哈希表中查找其索引。
3. 如果其中一个组件没有相应的索引，则报告不匹配。
4. 在前缀树中搜索组件索引序列。