Question

我想匹配像Colibri这样的文件名。我试图通过正则表达式解决它。

在Colibri中搜索可以输入您在文件名中按顺序键入的字符，并在文件名中按顺序查找所有具有这些字符的文件。例如，对于“ab”，它找到“cabal”，“ab”和“achab”。

在字母之间简单插入.*有效（所以搜索字符串“ab”变为正则表达式.*a.*b.*），但我想在大量文件上进行。

到目前为止，我有O（N * ???），其中N是文件名的数量和???最好是线性复杂度（我假设我的语言使用NFA）。我不太关心空间复杂性。我应该选择哪些数据结构或算法来提高效率（时间复杂度）？

Answer 1

如果您只想检查搜索字符串 search 的字符是否以相同的顺序包含在另一个字符串 str 中，您可以使用这个简单的算法：< / p>

pos := -1
for each character in search do
    pos := indexOf(str, character, pos+1)
    if pos is -1 then
        break
    endif
endfor
return pos

此算法返回 str 中 search 的最后一个字符的偏移量，否则返回-1。它的运行时在O（ n ）中（您可以用简单的indexOf循环替换while，该循环比较来自的 str 中的字符pos 到Length（ str ） - 1并返回偏移量或-1）。

Answer 2

如果用字符否定替换.，它将大大提高您的效率。即。

 [^a]*a[^b]*b.*

这样你就可以减少回溯。 See This Reference

编辑* @yi_H你是对的，这个正则表达式可能同样适用：

a[^b]*b

Answer 3

您的.是不必要的。如果只是转换“abc”，你会获得更好的性能进入^[^a]*a[^b]*b[^c]*c。

string exp = "^";
foreach (char c in inputString)
{
   string s = Regex.Escape (c.ToString()); // escape `.` as `\.`
   exp += "[^" + s + "]*" + s; // replace `a` with `[^a]*a`
}
Regex regex = new Regex (exp, RegexOptions.IgnoreCase);
foreach (string fileName in fileNames)
{
   if (regex.IsMatch (fileName))
      yield return fileName;
}

Answer 4

对于有限的字符集，创建包含匹配文件名的数组或链表的查找表可能是有意义的。

如果您的ABC包含X个字符，那么“1长度”查找表将包含X表条目，如果它是“2长度”表，则它将包含X ^ 2个条目，依此类推。 2长度表将包含每个条目（“ab”，“qx”）所有具有该顺序的字母的文件。当搜索更长的输入“string”时，查找相应的条目并对这些条目进行搜索。

注意：计算所需的额外内存并测量速度提升（与全表扫描相比），优势取决于数据集。

如何有效地实现正则表达式，如。* a。* b。*？

4 个答案: