Question

我在数据库和输入字符串中有一个短语列表（短语可能包含一个或多个单词）。我需要找出哪些短语出现在输入字符串中。

是否有一种在Java中执行此类匹配的有效方法？

Answer 1

快速破解将是：

根据组合短语构建正则表达式
构建一个列出目前尚未匹配的短语的集合
反复运行find，直到找到所有短语或达到输入结束为止，从剩余短语集中删除匹配项以查找

这样，无论您提供多少短语，输入都只会遍历一次。如果regexp编译器为多个备选方案生成有效的匹配器，那么这应该会产生不错的性能。但是，这很大程度上取决于您的短语和输入字符串，以及Java正则表达式引擎的质量。

示例代码（经过测试，但未针对性能进行优化或分析）：

public static boolean hasAllPhrasesInInput(List<String> phrases, String input) {
    Set<String> phrasesToFind = new HashSet<String>();
    StringBuilder sb = new StringBuilder();
    for (String phrase : phrases) {
        if (sb.length() > 0) {
            sb.append('|');
        }
        sb.append(Pattern.quote(phrase));
        phrasesToFind.add(phrase.toLowerCase());
    }
    Pattern pattern = Pattern.compile(sb.toString(), Pattern.CASE_INSENSITIVE);
    Matcher matcher = pattern.matcher(input);
    while (matcher.find()) {
        phrasesToFind.remove(matcher.group().toLowerCase());
        if (phrasesToFind.isEmpty()) {
            return true;
        }
    }
    return false;
}

一些警告：

上面的代码会将短语作为单词的子字符串。如果只有完整的单词匹配，则需要在生成的正则表达式中添加单词边界（“\ b”）。
如果某些短语可能是其他短语的子字符串，则必须修改代码。
如果您需要匹配非ASCII文本，则应添加正则表达式选项Pattern.UNICODE_CASE并使用合适的toLowerCase(Locale)来调用toLowerCase()而不是Locale。

Answer 2

这是一个使用java的解决方案。由于您没有指定任何关于您使用的字符串的内容，我会考虑一个通用示例

Pattern p = Pattern.compile("cat");
        // Create a matcher with an input string
Matcher m = p.matcher("one cat," +" two cats in the yard");
boolean b = m.matches();  // Should return true

希望有所帮助

参考：http://java.sun.com/developer/technicalArticles/releases/1.4regex/

Answer 3

sql = "SELECT phrase " + 
  " FROM phrases " + 
  " WHERE phrase LIKE $1";     
PreparedStatement pstmt =  conn.prepareStatement (sql);
// probably repeated, if more than one input:
pstmt.setString (1, "%" + input + "%");
ResultSet rs = pstmt.executeQuery ();

检查准备好的语句以适应数据库，并且对于重复调用更快，因此如果您有多个输入，它应该仍然很快，在循环中执行。

当然，您可以将所有短语加载到RAM中，放入地图中。准备工作缓慢，如果您有多个调用，可能会更快，而不仅仅是一个输入。但是数据库通常对搜索非常有效。

Answer 4

您可以根据常见的开头将数据库中的搜索短语组织到树中。您可以逐个分析字符串字符，尝试匹配该树的节点。

Java：匹配字符串中的短语

4 个答案: