不区分大小写的Node.js或C的精确子字符串匹配/索引（无全文搜索）

Question

哪些库在Node.js中提供了针对大型字符串的不区分大小写的精确子字符串匹配 ？ 我特别在寻找基于索引的解决方案。

例如，考虑一个包含数百万个字符串的语料库：

• "Abc Gef gHi"
• "Def Ghi xYz"
• …

我需要一个库，以便搜索"C ge"返回上面的第一个字符串，但是搜索"C ge" （请注意多个空格）不会。 总而言之，我不是在寻找带有词干和停用词的模糊，智能，全文搜索； 而是最简单（且最快速）的精确子字符串匹配器，其索引可大规模运行。

欢迎使用JavaScript解决方案，也欢迎使用C解决方案 （因为它们可以变成本机Node.js模块）。 另外， 也可以使用其他编程语言（例如Java）的解决方案 。 可以通过命令行使用它们。 优选地，解决方案是磁盘空间绑定的，而不是内存绑定的（例如，不是Redis），并且它们应该将索引写入磁盘，以便随后的启动时间很短。

我发现的大多数解决方案（例如此处的解决方案）的问题在于它们过于智能。 即，它们应用不同类型的词干或归一化，因此匹配不精确。

在此先感谢您的帮助！

Answer 1

我将列出一些找到的解决方案。

最简单但最合适的方法是https://github.com/martijnversluis/JsSuffixTrie

然后，基于散列进行更详细的说明： https : //github.com/fergiemcdowall/search-index

我也可以建议http://redis.io/ 。 它是高级的，但仍然很底层。 没有太多的精美包装。

最后，此博客文章讨论了使用javascript的尝试，其中的问题似乎主要是加载时间： http : //ejohn.org/blog/javascript-trie-performance-analysis/

Answer 2

在我的头上，我可以想到两种可能的解决方案。

一种是使用不区分大小写的正则表达式（具有要搜索的字符串（例如"C ge" ）为正则表达式）匹配。

另一个方法是存储所有字符串的全部小写（或大写）副本，并在返回未修改的字符串时将其用于搜索。 当然，搜索字符串必须全部小写（或大写）才能起作用。

Answer 3

当然，这取决于数据集的大小和最小响应时间。

在许多用例中，诸如sed和grep类的标准Unix工具在模式匹配方面是无与伦比的。