Question

我有一个模式列表，这些模式的体内任何位置都包含零个或多个通配符（*）：

bleurgh
p0*
p*w
p*w*
*01
*.nowsich.* (dots here are meaningless)

仅允许使用通配符（这不是任何形式的完整正则表达式），并且它们可以出现在模式中的任何位置。不允许使用仅使用通配符的模式，并且双通配符（**）是荒谬的，因为它与*相同（但可以保证有人会尝试。）大约有100,000个一百万。

代码将看到可能匹配的新目标字符串：

p01w01
pod01whiskey02
ppp.nowsich.com
aZL8u4qXfg!LooksLikeRandomGarbageToMe!kx961giRVV
callmeishmael

这些字符串是无界的，但可能少于32个字符，并且代码将以每秒两次的顺序看到它们（这是一种低速率的东西。）

我正在寻找一种方法来反向查找字符串可能匹配的模式：（这里是输入到输出）

m01z01 -> *01
p03w01 -> p0*, p*w*, *01
bleurgh -> bleurgh
www.nowsich.org -> *.nowsich.*
wut -> [the empty list]

我没有受到记忆的束缚；更快的查找肯定更好。

到目前为止，我能想到的最好的办法是建立模式组件的有向图，其中每个组件都是split("*", pattern)的输出，尾随的通配符绑定到它们的叶子：

        ___   {implied root node} 
       /      /    |           \
[bleurgh]  [p0]   [p]          [] // leading wildcard?
           /      /           /  \
         [w]    [w*]       [01]  [.nowsich.*]

...并在树上执行DFS，选择那些根节点正则表达式与从子树的父节点重新编译的模式（一直到根）相匹配的子树。我不喜欢这样的想法， O(log n)？正则表达式，但数据集并不庞大。另外，我相信我必须始终搜索树的“前导通配符”分支，因此也许可以搜索一对这样的树（有无前导通配符的一棵树）。

有些先前的艺术似乎由于各种原因而没有应用：

Good algorithm and data structure for looking up words with missing letters?

Efficient string matching algorithm

这两个都有其自己的约束，这些约束与我的不相称。

问题是：a）我上面概述的方法是否有意义；和b）您有更好的方法吗？

Answer 1

完成了一些实际的写作，这就是我学到的东西：

这个想法确实可行，但是不要使用树，而是使用trie。在针对模式测试字符串时，它将使您跳过没有值且只有一个子节点的节点，这减少了您需要执行的正则表达式的数量。
跟踪和前导通配符至少在我的情况下需要特殊对待（请记住，在我的情况下，只有通配符-*-char具有特殊含义。）如果没有前导或尾随通配符，则需要在模式的第一个或最后一个键上包含锚点。这意味着模式*p0*和p0*由树中的两个节点表示。（对于叶节点类似-即模式中的最终令牌。）
针对我的情况的另一条注释：我需要转义对正则表达式有意义但对我无意义的所有内容，例如，字符.，[，]，{{1 }}，{等。可以将它们包括在模式匹配树中，但您必须以不同的方式标记化标记。
存储与之匹配的已编译正则表达式可以提高速度。就我而言，这是用Go语言编写的，因此我可以为树中的每个节点存储}的结果。

通配符匹配反向查找

1 个答案: