Question

我正在寻找最佳方法来搜索一串字母字符，以查找字符串末尾最长的字典单词。

示例：对于字符串qbehugejackhammer，结果应为jackhammer而不是hammer。

有效地执行此操作的一种方法是将相反的单词存储在索引表中，并一次迭代一个字母，直到它不再匹配任何内容：

SELECT word FROM dictionary WHERE word LIKE 'remmahkca%';
SELECT word FROM dictionary WHERE word LIKE 'remmahkcaj%'; # last match
SELECT word FROM dictionary WHERE word LIKE 'remmahkcaje%';

看起来和感觉就像一个黑客，很可能不是最佳解决方案。有没有更快和/或更好的方法来做到这一点？我选择的工具是PHP和MySQL，但如果其他语言或DBMS更适合我的需求，我会全力以赴。

Answer 1

这可能听起来有点邪恶，但你可能会通过将字典加载到字典树形状的数组中来获得最佳性能，但是以反向字顺序，例如：

array(
    'r' => array(
        'u' => array(), // -- words ending in 'ur' would end up in here
        'a' => array(), // -- words ending in 'ar' would end up here
        'e' => array( // -- words ending in 'er' would end up in here
            'm' => array(
                'm' => array(
                      // -- jackhammer will be kept further up here

然后寻找。

$reverseWord = ""; // -- Incoming 'word' string goes here, in reverse.
$dictionary = [structure above];
$dictionaryPosition = $dictionary;
$dictionaryHistory = "";

for( $i = 0, $l = strlen($reverseWord); $i < $l; $i++ ) {
    $char = $reverseWord[$i];

    // -- If this character doesn't exist in this dictionary position, we've reached the end
    if( !isset($dictionaryPosition[$char]) )
        break;

    // -- log this character
    $dictionaryHistory = $char . $dictionaryHistory;

    // -- Climb up the tree
    $dictionaryPosition = $dictionaryPosition[$char];
}

// -- $dictionaryHistory now contains the word you're looking for.

每个数组应包含不超过26个条目（仅假设字母字符），因此您最多只查看每个单个字符的26 * n个查找。即使单词深度为20个字符，也比无数次遍历50k字的列表要好得多。

Answer 2

您可以从搜索与整个字符串匹配的单词开始，并继续删除字符串开头的字母，直到找到匹配项：

SELECT word FROM dictionary WHERE word = 'qbehugejackhammer'; --no match
SELECT word FROM dictionary WHERE word = 'behugejackhammer'; --no match
SELECT word FROM dictionary WHERE word = 'ehugejackhammer'; --no match
SELECT word FROM dictionary WHERE word = 'hugejackhammer'; --no match
--...
SELECT word FROM dictionary WHERE word = 'jackhammer'; --found it!

Answer 3

一个快速的hacky答案：将你的字典加载到map或任何PHP等效数据结构（英语词典只有~50k字，很容易适应RAM v，地图更快，更快查询比DB调用）。然后一次迭代1个字符，针对地图测试每个子字符串，直到找到匹配为止。

根据字符串的长度，你可以通过首先检查字典中最长的单词（你可以在字典加载期间得到这个）并开始适当的距离来优化。我敢肯定还有其他类似的优化你也可以雇用（最开始的角色等）

编辑：“地图”应为“设置”。

Answer 4

将字典加载到PHP数组中。对于每个输入词，请按照下面的说明在连续较小的子串上使用in_array（link），直到找到匹配为止。

例如，请考虑您的输入qbehugejackhammer。首先，搜索数组qbehugejackhammer，然后搜索behugejackhammer，然后搜索ehugejackhammer，依此类推，直至找到匹配项。您可以在找到第一场比赛后立即停止。

在字符串末尾查找最长的字典单词

4 个答案: