Question

我正在开发一个带文章的应用程序（简单的HTML页面），以及一个词汇表术语列表（每个术语可能是一个单词，一个短语，甚至一个句子），并为每个术语创建一个链接认定。问题是，对于包含更多术语的较大文本，需要很长时间。目前我们通过最初显示未标记的文本，在后台处理链接，最后在处理完成时重新加载Web视图来处理此问题。不过，它可能需要一段时间，我们的一些用户对此不满意。

现在，应用程序在条款上使用了一个简单的循环，在HTML中进行替换。基本上是：

for (int i=0; i<terms.count; i++){
    NSString *term = [terms objectAtIndex:i];
    NSString *replaceString = [NSString stringWithFormat:@"<a href="myUrl:\\%d>%@</a>", i, term];
    htmlString = [htmlString stringByReplacingOccurrencesOfString:term 
                                                       withString:replaceString 
                                                          options:NSCaseInsensitiveSearch 
                                                            range:NSMakeRange(0, [htmlString length] )];
}

但是，我们正在处理多种语言，因此每个学期不只有一个替代品，而是20个！那是因为我们必须在开始时处理标点符号（西班牙语中颠倒的问号）和每个术语的结束。我们必须使用适当的超链接替换"term"，"term."和"term?"。

我是否可以使用更有效的方法来标记此HTML？

我需要保留原始术语的索引，以便以后在用户点击链接时检索它。

Answer 1

您可以按如下方式处理文本：

不是循环翻译词汇，而是将文本拆分为单词并在词汇表中查找每个单词。
创建一些索引，哈希表或字典以使查找更有效。
请勿使用stringByReplacingOccurrencesOfString。每次调用它都会生成整个文本的副本，并且在autopool耗尽之前不会释放内存。（有趣的是，你还没有遇到内存问题。）而是使用NSMutableString实例来附加每个单词（以及它们之间的字符），无论是原始文本还是装饰链接。

Answer 2

你现在正在做的是：

for each vocabulary word 'term'
    search the HTML text for instances of term
        replace each instance of term with an appropriate hyperlink

如果你有一个大文本，那么每次搜索都需要更长的时间。此外，每次进行替换时，都必须创建一个包含文本副本的新字符串以进行替换，因为stringByReplacingOccurrencesOfString:withString:options:range:返回一个新字符串而不是修改现有字符串。乘以N替换。

更好的选择是在字符串中进行单次传递，一次搜索所有术语，并在可变字符串中构建结果输出字符串以避免Shlemiel the Painter-like runtime。

例如，你可以这样使用regular expressions：

// Create a regular expression that is an alternation of all of the vocabulary
// words.  You only need to create this once at startup.
NSMutableString *pattern = [[[NSMutableString alloc] init] autorelease];
[pattern appendString:@"\\b("];

BOOL isFirstTerm = YES;
for (NSString *term in vocabularyList)
{
    if (!isFirstTerm)
    {
        [pattern appendString:@"|"];
        isFirstTerm = NO;
    }
    [pattern appendString:term];
}
[pattern appendString:@")\\b"];

// Create regular expression object
NSError *error = NULL;
NSRegularExpression *regex = [NSRegularExpression regularExpressionWithPattern:pattern options:NSRegularExpressionCaseInsensitive error:&error];

// Replace vocabulary matches with a hyperlink
NSMutableString *htmlCopy = [[htmlString mutableCopy] autorelease];
[regex replaceMatchesInString:htmlCopy
                      options:0
                        range:NSMakeRange(0, [htmlString length])
                 withTemplate:@"<a href=\"vocab.html?word=\\1\">\\1</a>"];
// Now use htmlCopy

Answer 3

由于字符串替换功能你的调用是命令N（它扫描替换n个单词）而你正在用m个词汇表术语，你有一个n ^ 2算法。

如果你可以一次性完成，那将是最佳的（在html中命令n - n个单词）。首先展示未被替换的文本的想法仍然是一个好的，除非它对于大型文档来说是不明显的。

如何对词汇单词的哈希集进行扫描，通过html单词扫描（跳过html标记），如果当前扫描的单词在哈希集中，则将其附加到目标缓冲区而不是扫描的单词。这样你就可以在内存中拥有2 X个html内容+ 1个词汇表哈希值。

Answer 4

有两种方法。

哈希地图 - 如果你的短语的最大长度被限制为例如2，你可以迭代所有单词和双字母（2个单词）并在HashMap中检查它们 - 复杂性是liniar，因为哈希是恒定的时间在理想
自动机理论您可以将简单的自动机组合为单一的自动机和更快的评估（即动态编程）。例如，我们将“John Smith”|“John Stuard”合并，我们得到John S（mith | tuard）它就是所谓的前缀优化（http://code.google.com/p/graph-expression/wiki/ RegexpOptimization）

此处可以找到更多advenced算法http://en.wikipedia.org/wiki/Aho%E2%80%93Corasick_string_matching_algorithm

我更喜欢这种方法，因为没有短语长度的限制，它允许组合复杂的正则表达式。

优化扫描大文本并匹配单词或短语列表

4 个答案: