Question

我想扫描网页中是否存在我字典中的关键字。已经有人问到这个问题，以强调关键字。然而，我的字典将是巨大的，例如50.000字。最好的方法是什么？另外，我想在网站上搜索我的图书馆的变体。例如，我的库包含基因名称，如p53。我想在网站上搜索“p53”，“p53蛋白”，“诱导p53”，“抑制p53”“磷酸化p53”。我怎样才能做到这一点？什么应该是最快的方式

或者认为我有2个列表

   List1                List2
   ------              -------    
   inhibits              p21
   induces               p53 
   phosphorylates        Akt
   decreases             Braf
                         cMyc

我希望它能够搜索List1和2的组合。

Such as 
"inhibits cMyc" 
"phoshorylates p21"

这意味着对于此示例，它需要搜索4 X 5 = 20个关键字。但是，它可能是200 X 50000 = 1.000.000搜索词。

Answer 1

首先，必须对字典编制索引。然后，页面内容也应该被索引并找到字典的匹配项。然后应该处理页面中的实例（例如突出显示，链接到定义等）。

以上内容应该在服务器上完成，除非您想在随机网页上的浏览器中运行它，比如Greasemonkey脚本。我不认为一个索引良好的50,000项词典会在一般PC上看到一个相当现代的浏览器，即使对于有几千个单词的页面也是如此。

修改

如果你有两个列表，那么索引页面上的单词（例如，非常简单的是创建一个排序的唯一列表，其中包含第一个A，第一个B等的键）。使用短列表搜索匹配的单词。

使用第一组单词匹配并在页面中找到它们，获取前面的单词以查看它是否与第二个列表中的单词匹配。用下面的单词做同样的事。 50,000字列表中的简单二进制查找永远不需要超过16次查找。使用字母索引进行第一次查找，然后使用二进制文件，应该将其剪切为每个原始匹配可能有5或6次查找。

您还可以使用对象而不是索引列表并使用if (word in wordList)，这也会非常快（请记住包含hasOwnProperty测试）。

如果您只关心使用现代浏览器，请查看网络工作者和web storage

Answer 2

尝试可能会帮助你

http://www.gotoquiz.com/web-coding/programming/javascript/highlight-words-in-text-with-jquery/

你必须像这样准备你的模式（以获得想法的例子）

string keywords = "Cat, rabbit, dog,hound, fox";
 Regex r = new Regex(@", ?");
keywords = "(" + r.Replace(keywords, @"|") + ")";

搜索网页中数千个关键字的最快方法

2 个答案:

修改