我有一份非常庞大的文字文件。我正在实现“搜索”功能，以查找文件中给定字符串的出现次数并显示其位置。它不仅仅是全字搜索，它还可以包含一个单词/ sentance / paragraph的一部分。我正在研究这个过程的高效数据结构。如果是全字搜索我可以使用try / hash表。我将无法使用后缀数组/后缀树，因为文件大小非常大。排序也不是那么有效。其他简单的选项只是使用框架的字符串搜索/正则表达式功能，这需要线性时间。这种操作有没有更好的已知方法？最初它只是字符串搜索，后来计划用元字符进行搜索。
答案 0 :(得分：1)
Trie和后缀树/数组是一个不错的选择但是如果你不喜欢它们我有另一个解决方案：创建一个哈希表：
如果您想找到一个字符串，您有两个选项：
如果字符串的大小低于N，则只需将其搜索到哈希表~O（1）进行搜索，然后使用o（size_of_string）进行创建hash_key
如果大小大于N，你只需创建大小为N的块，然后执行以下操作：搜索块并记住所有位置。比你对下一个块做同样的事情并检查是否有连续的数字（例如：我们第一次有i，j和第二次有k，i + N，比i，i + N是一个很好的组合）保存连续对的最后一个数字（i，i + N，你只保留i + N）并继续，直到你的堆栈中没有数字或你完成了这个单词
希望有所帮助。
答案 1 :(得分：0)
Lucene.NET是一个搜索引擎库，使用索引进行文本扫描： http://incubator.apache.org/lucene.net/