Question

我想为音乐系统应用程序开发模式搜索算法，该系统搜索给定关键字并播放其文本文件包含给定关键字的音乐。现在有许多模式搜索算法可以有效地做到这一点（例如：KMP，哈希（可能会出错）等）。但是我的主要问题是整个数据库使用的语言不是英语（具体来说是“印地语”）。现在，用户以“印地语”语言输入给定的关键字，我想在还包含“印地语”语言的数据库中进行搜索。我主要关心的是如何有效地在该数据库中搜索？

我认为我们无法针对非英语语言执行KMP算法，因为我们使用的ascii字符仅包含英文字母和其他数字字母，但不包含其他语言的字母。那么，请告诉我如何解决无法解决的问题，或者说出我在以错误的方式思考的地方？

Answer 1

KMP算法不基于字母，它使用给定模式和文本中的字符。此外，在Java之类的语言中，字符串使用UTF-8编码，因此您可以使用任何喜欢的语言，并且算法可以正常工作，在其他语言中，您需要明确选择编码。在这里，我给出了在Ideone上使用非ascii字符集使用KMP的示例的链接。 KMP algorithm

    /* package whatever; // don't place package name! */

import java.util.*;
import java.lang.*;
import java.io.*;

class Ideone {
    int[] f;
    public void dfa(String pattern) {
        int m = pattern.length();
        f = new int[m+1];
        f[0] = 0;
        f[1] = 0;
        for(int i=2; i<=m; i++) {
            int j = f[i-1];
            for(;;) {
                if(pattern.charAt(j) == pattern.charAt(i-1)) {
                    f[i] = j +1;
                    break;
                }
                if(j==0) {
                    f[i] = 0;
                    break;
                }
                j = f[j];
            }
        }
    }

    public int match(String text, String pattern) {
        dfa(pattern);
        int n = text.length();
        int m = pattern.length();
        int i = 0;
        int j = 0;
        for(;;) {
            if(i == n) break;
            if(text.charAt(i) == pattern.charAt(j)) {
                j++;
                i++;
                if(j == m) return i;
            }
            else if(j > 0) j =f[j];
            else i++;
        }
        return -1;
    }

    public static void main(String[] args) {
        Ideone kmp = new Ideone();
        String text = "AĄĘĆABA";
        String pattern = "ĄĘĆ";
        System.out.println(kmp.match(text, pattern));
    }
}

如何在给定文本文件中以不同的语言搜索字符串

1 个答案: