我正在制作一个粗糙的Java拼写检查器，该检查器包含一篇文章和一个预先排序的字典文件。文章的字词长度各不相同，因此，我尝试制作一个使用文件给出的字词的堆栈。
不幸的是，由于堆栈空间不足（即使使用缩短的字典文件），并且由于性能方面的考虑，我决定直接从文本文件中读取内容。
问题在于文件中没有相同长度的单词。由于单词的长度各不相同，因此我不能也不应期望单个单词的长度对确定字典文件中的单词数（从文件的大小）很有用。
因此，我被困住了。我需要对该文件执行二进制搜索，以使拼写检查程序正常工作。但是，如果没有明确的方法将文件视为数组，则无法执行二进制搜索，尤其是当数组太大而无法放入程序的内存中时。
我该怎么办？
答案 0 :(得分：1)
牛津英语词典建议您为词典考虑大约~250,000 words（不考虑仅用于特定领域的单词）。这对您来说是重要的设计信息。
我看到了一些解决方案：
1）只需使用HashSet<>
理论上，您可以将HashSet<>用于此数量的元素（此SO post讨论了HashSet s的理论极限以及其他详细信息）。
但是，这带来了（如您所观察到的）一些问题：
（在每次启动应用程序时）需要一些时间才能将其读入RAM
它吃光了RAM
当然，您可以增加JRE的堆大小，但是对此有一个自然的限制（@StvnBrkddll链接了一个SO post，在注释中对此进行了完美描述）
2）使用数据库
我会考虑将有效词存储在（关系）数据库中：
您无需在应用程序启动时加载所有内容
它在RAM上的重量不如选项（1）
它给您更多选择，如果您想更改应用程序以向用户建议类似的单词而没有错别字（例如，如果您使用PostgreSQL，则可以实现pg_trgm）
但是它有一些缺点：