Question

我有一个由数对组成的数据结构，第一个是整数，第二个是字母数字字符串（可以用数字开头）：

+--------+-----------------+
| Number | Name            |
+--------+-----------------+
| 15     | APPLES          |
| 16     | APPLE COMPUTER  |
| 17     | ORANGE          |
| 21     | TWENTY-1        |
| 291    | 156TH ELEMENT   |
+--------+-----------------+

这些表格最多包含100,000行。

我想提供一个查找功能，用户可以在其中查找数字（就像它是一个字符串）或字符串片段。理想情况下，查找将在用户输入时“实时”;在每次击键之后（或者在短暂延迟~250-500 ms之后），将进行新的搜索以找到最可能的候选者。所以，例如搜索

1将返回15 APPLES，16 APPLE COMPUTER，17 ORANGE和 291 156TH ELEMENT
15会将搜索范围缩小到15 APPLES，291 156TH ELEMENT
AP将返回15 APPLES和16 APPLE COMPUTER
（理想情况下，但不是必需的）ELEM将返回291 156TH ELEMENT。

我正考虑使用两个Dictionary<string, string>，因为最终int被比较为string s - 一个将由整数部分索引，另一个将由字符串部分索引。

但是真正通过子串搜索不应该使用哈希函数，使用两倍于我觉得我应该需要的内存似乎很浪费。

最终的问题是，是否有任何表现良好的方法同时为两个大字符串搜索两个大型列表？

如果失败了，SortedDictionary怎么样？可能会提高性能，但仍无法解决哈希问题。

考虑即时创建正则表达式，但我认为这会表现得非常糟糕。

我是C＃的新手（来自Java世界）所以我还没有考虑过LINQ;是答案吗？

编辑18:21 EST ：“名称”字段中的所有字符串都不会超过12-15个字符，如果这会影响您的潜在解决方案。

Answer 1

如果可能的话，我会避免将所有100,000个条目加载到内存中。我会使用数据库或Lucene.Net来索引值。然后使用适当的查询语法有效地搜索结果。

Answer 2

我考虑使用Trie数据结构。

如何实现？叶子代表你的“行”，但你会有“两条路径”到“行”的每个内存实例（一个用于数字，另一个用于名称）。

然后你可以牺牲自己的条件：

(ideally, but not required) ELEM will return 291 156TH ELEMENT.

或者为行实例提供更多路径。

Answer 3

由于您正在搜索单词的开头，因此基于键的集合将不起作用，除非您存储所有可能的单词，例如“a”，“ap”，“app”，“appl”，“apple” 。

我的建议是将System.Collections.Generic.List<T>与二进制搜索结合使用。您必须提供自己的IComparer<T>，它也会找到单词的开头。您将使用两种数据结构。

一个List<KeyValuePair<string,int>>持有单个字或数字作为键，数字作为值。

一个Dictionary<int,string>持有全名。

你会这样做：

将您的句子（全名）分成单个单词。
将它们添加到列表中，并将单词作为键，并将数字作为KeyValuePair的值。
将数字添加到列表中作为键和KeyValuePair的值。
当列表已满时，对列表进行排序以允许二进制搜索。

搜索单词的开头：

将BinarySearch与IComparer<T>结合使用，在列表中进行搜索。
您从搜索中获得的索引可能不是第一个适用的索引，因此请返回列表，直到找到匹配的第一个条目。
使用列表中存储为值的数字，使用此数字作为键在字典中查找整个名称。

哪种C＃数据结构允许最有效地搜索一对字符串用于子字符串？

3 个答案: