Question

我知道，也许这个问题很愚蠢但是我被困住了，我需要真正的帮助。我需要在我的项目中使用算法，它可以找到所有单词从另一个单词开始并返回所有单词的尾部。例如：查找所有以dad

开头的单词

在词典中我们有：

dada, dadaism, daddled, daddling

结果：

a, aism, dled, dling

我有所有单词的字典，所以我需要的只是算法。有人建议我使用patricia算法，但我找不到任何C＃样本。我的字典很大，所以我需要找到非常快的算法。

更多信息：

字典已排序。

Answer 1

这听起来像是Trie / DAWG（有向非循环字图）的完美用法。据我所知，帕特里夏树是一种类似于特里的变体。有a nice article about Tries and an implementation here。

Answer 2

如何完成这项工作取决于词典的排列方式。如果它是一个排序的单词列表，那么您可以使用二进制搜索来查找以“dad”开头的第一个单词，然后循环使用StartsWith和Substring的单词。那就是：

List<string> Words = LoadWords(); // however you load them
Words.Sort();

// Now, search for "dad" (or whatever)
string prefix = "dad";

int index = Words.BinarySearch(prefix);

// If the returned index is negative, the word wasn't found.
// The index is the one's compliment of the the place where it would be in the list.
if (index < 0)
{
    index = ~index;
}

for (int i = index; i < Count && Words[i].StartsWith(prefix))
{
    Console.WriteLine(Words[i].Substring(prefix.Length));
}

这应该非常快。排序是加载后的一次性成本。如果按排序顺序存储字典，则可以完全消除它。二进制搜索是O（log n），其中n是字典中的单词数。

如果你的词典是无序的，那么你将不得不翻阅所有的词，这将花费很多时间。

您的词典还有其他组织，这将使它占用更少的空间，并且可能更快。这些更复杂，并且比创建排序列表花费更多时间。

Answer 3

我所知道的最着名的是"knuth morris pratt string matching algorithm"。

如果你看一下链接，还有其他一些像Boyer-Moore字符串搜索算法，...... 这些是通用算法，但如果您对特殊情况感兴趣，比如开始，...在大多数情况下，语言都有这种情况，例如在C＃中你可以使用StartsWith，EndsWith，没有需要再次实施它们。

Answer 4

对于非常小的词典，for循环可能非常快。但是如果你有来自成千上万个单词的匹配集，那将非常慢。假设您的字典已排序（如果没有排序），您可以使用BinarySearch函数找到第一个和最后一个范围项，然后使用for循环来创建结果。

为了更实际，我有一个（排序的）字典，包含354984个单词，包括从爸爸开始的35个单词：爸爸，爸爸，达达，达达主义，达达主义，达达主义者，达达主义者，达达主义者，达达主义者，爸爸，爸爸，爸爸，爸爸，爸爸，爸爸，爸爸，爸爸，爸爸，爸爸，爸爸，爸爸，爸爸，爸爸，爸爸，dade，dadenhudd，dading，dado，dadoed，爸爸，dadoing，爸爸，爸爸，爸爸和爸爸。如果我遵循Jim的方法，我将不得不执行35“StartsWith”，这是好的。在“sat”前缀的情况下，我有228个单词，如果是“cat”前缀，我有692个单词。对于我的字典大小，我需要总共40个字符串比较（最坏的情况）来找到第一个和最后一个项目。

如果您愿意使用任何trie实现，请确保如果您的字典包含第1或实时记录，则至少支持数字和短划线。

Answer 5

您可以使用TRIE。您可以找到全面的实施和教程here。

基本上，在这个结构中，你将最终从Root到'd'然后到'a'然后再到'd'。你会想到所有以'dad'开头的单词。现在将其视为根节点，您所要做的就是探索下面的所有可能路径，然后进行算法

Answer 6

如果您需要简单的东西，可以试试这个：

        string[] dict = new string[] { "dada", "dadaism", "daddled", "daddling" };
        string prefix = "dad";

        var words = from d in dict
                    where d.StartsWith(prefix)
                    select d.Substring(prefix.Length);

什么算法用于搜索单词中的子词？

6 个答案: