Question

例如，给定一个字符串aaaaaaaaaXyz，我想找出它是否包含特征字符串集{'xy','xyz','zzz','cccc','dddd',....}中的子字符串，该子字符串可能具有一百万个成员。有没有有效的方法？

Answer 1

首先，您准备dictionary。就是这样

Set<String> stringSet = Set.of("xy", "xyz", "zzz", "zzy", "cccc", "dddd");
Map<Character, List<String>> dictionary = new HashMap<>();
for (String word : stringSet)
    dictionary.computeIfAbsent(word.charAt(0), k -> new ArrayList<>()).add(word);
System.out.println(dictionary);

输出：

{c=[cccc], d=[dddd], x=[xyz, xy], z=[zzy, zzz]}

您可以使用此方法进行查找。

static boolean contains(String input, Map<Character, List<String>> dictionary) {
    for (int i = 0, max = input.length(); i < max; ++i) {
        char first = input.charAt(i);
        if (dictionary.containsKey(first))
            for (String word : dictionary.get(first))
                if (input.startsWith(word, i))
                    return true;
    }
    return false;
}

Answer 2

鉴于您的搜索集可能非常大，我建议您仅对该集进行迭代并检查潜在的子字符串匹配项：

public boolean containsSubstring(String input, Set<String> subs) {
    boolean match = false;

    for (String sub : subs) {
        if (input.contains(sub)) {
            match = true;
            break;
        }
    }

    return match;
}

Answer 3

在Clashsoft的提示下，我发现了the java implementation的Aho-Corasick算法，这是我想要的，感谢Clashsoft

有没有一种有效的方法来检测字符串是否包含大量特征字符串中的子字符串？

3 个答案: