最好的字符串搜索算法

Question

我有一个代码在哪里比较一个大数据，比如一个网页的来源与一个文件中的某些单词。什么是最好的算法？

可以有两种情况：

1. 如果我有大量的单词要与源进行比较，在这种情况下，对于普通的字符串搜索算法，它必须采用一个单词，与数据进行比较，采取下一个并进行比较数据等等，直到一切都完成。

2. 我在文件中只有几个单词，正常的字符串搜索就可以了，但仍需要尽可能减少时间。

什么算法最好？我知道Boyer-Moore和Rabin-Karp搜索算法。 虽然Boyer-Moore搜索看起来很快，但我还想了解其他算法的名称及其比较。

Answer 1

在这两种情况下，我认为你可能想构建一个patricia trie（也称为基数树）。最重要的是，查找时间为O（k），其中k是trie中字符串的最大长度。

Answer 2

请注意，Boyer-Moore将在文本中搜索文本（几个单词）。

如果你想要的只是识别一些单词，那么它就容易多了：

• 将每个搜索的字词放入字典结构中（无论它是什么）
• 查找字典中文本的每个单词

这最显着的意思是您将文本作为流读取，并且不需要一次将其全部保存在内存中（这对于文件光标的典型示例非常有用）。

至于字典的结构，我会推荐一个简单的哈希表。与树结构相比，它具有很好的记忆效果。