Question

我要做的是如下：我有一个名称列表（大约40,000）将保持不变，一个文本文件（大约10000行）将从搜索更改为搜索。我需要找到一种合适的方法来搜索文本文件中的每一行，以查看名称和文本之间是否存在精确的字符串匹配，然后返回匹配项和出现次数（参见下文）。我已经用嵌套的'for循环'实现了这个，这很可能是非常慢的。我相信其他人已经找到了同样的问题，如果这个问题是重复的，我会道歉，但是，我已经大量搜索了一个合适的答案，但到目前为止还没有成功。我很感激可以提供任何帮助（首选Java）。另请注意，任何可以加速此搜索的结构对我都有好处（不一定是最好的）。真诚的感谢您的帮助。

示例：

names.txt（静态）安迪迪克安德鲁坎宁安。。。艾萨克·P·牛顿。。。祖鲁

text.txt（动态）这是随机文本，可能包含也可能不包含任何名称，如Isaac P. Newton或Zulu。这里有更多的线......另一个祖鲁......

我需要返回以下内容：艾萨克P.牛顿1 祖鲁2

Answer 1

您可以使用Java中的HashMap，将names.txt中的所有名称加载到HashMap，然后在其中搜索。它应该会提高你的表现。这是一些示例代码。

       HashMap<String, Integer> textNames = new HashMap<String, Integer>();
       for (String name : nameFile) {
           textNames.put(name, 0);
       }

       for (String line : textFile) {
           if (textNames.containsKey(line)) {
               textNames.put(line, textNames.get(line)+1);
           }
       }

- V

Answer 2

我建议用40,000个名字构建一个有限自动机。在Java中，您可以通过利用正则表达式来完成此操作。通过将每个名称与“|”连接来构造正则表达式符号。编译模式并将每个输入行与其匹配。

在Java中搜索子字符串

2 个答案: