在java中查找模式匹配词的最快方法

Question

给定一个总字数在 100,000-500,000 之间的字典，查找模式/掩码的最快方法是什么？ 其中 '-' 是一个未知的字母，即 s--t- 将返回盐、咸、粪、苏格兰等......

目前使用的 trie 非常适合填充首字母的单词，但是当存在诸如 ---st 或 -tr- 之类的模式时，trie 的好处就完全丧失了。

我正在搜索的单词的分布基本上是均匀分布的，其中填充了第一个字母，而那些没有填充。

将单词加载到 SQL 数据库中然后使用 SQL 通配符搜索功能是否有意义？ 或者我只是手动搜索每个可能的字母组合以获得空白字母的哈希图怎么样？

希望您能提供任何见解。

Answer 1

下面的小方法利用String#matches()方法以及动态创建的正则表达式，该正则表达式基于搜索条件字符串中提供的通配符。 它将返回一个字符串列表（ List<String> ），其中包含找到的与提供的条件字符串匹配的任何单词。

我通过（使用BufferedReader(FileReader) ）运行搜索条件字符串（ "s--t-" ）的单词列表文件包含 370,108 个单词，通常在大约 250 毫秒或 0.25 秒（平均）内完成任务。

对于通配符，最常用的通配符是星号 ( * )，通常表示字符串中的零个或多个字符，以及问号 ( ? )，通常表示任何一个字符。 您显然想使用连字符 (-) 代替通常的问号，这是可以的。 提供的方法可以根据您的特定目的处理同一条件字符串中的所有三种通配符类型（ * 、 ?和- ）。

public static List<String> searchForWord(String dictionaryFilePath, 
                                         String searchCriteria) {
    // This method ignores letter case!
    List<String> foundList = new ArrayList<>();  // To hold all found words.

    // Convert the supplied criteria string to a Regular Expression 
    // for the String#matches() method located in the 'while' loop.
    String regEx = searchCriteria.replace("?", ".").replace("-", ".").replace("*", ".*?").toLowerCase();

    // 'Try With Resources' use here to auto-close the reader.
    try (BufferedReader reader = new BufferedReader(new FileReader(dictionaryFilePath))) {
        String line = "";
        while ((line = reader.readLine()) != null) {
            line = line.trim().toLowerCase();
            if (line.matches(regEx)) {
                foundList.add(line);  // There's a match...add to the List.
            }
        }
    }
    // catch Exceptions (if any).
    catch (FileNotFoundException ex) {
        System.err.println(ex);
    }
    catch (IOException ex) {
        System.err.println(ex);
    }
    return foundList;  // Return the List.
} 

要使用此方法：

List<String> list = searchForWord("WordFile.txt", "s--t-");
for (String str : list) {
    System.out.println(str);
}

从我使用的单词列表中找到的匹配项：

saeta    saite    saith    sakti    salta
salts    salty    santa    santo    santy
saute    sauty    scats    scatt    scote
scots    scott    scuta    scute    scuts
scyth    seats    sects    seity    senti
sents    septa    septi    septs    serta
sesti    sexto    sexts    sheth    shita
shits    shote    shots    shott    shute
shuts    sidth    sifts    silts    silty
sinto    sintu    sitta    sixte    sixth
sixty    skate    skats    skete    skite
skits    skyte    slate    slath    slats
slaty    slete    slite    slits    slote
sloth    slots    sluts    smeth    smite
smith    smote    smuts    smyth    snath
snite    snits    snitz    snots    softa
softs    softy    sooth    soots    sooty
sorts    sorty    south    sowte    spate
spath    spats    spete    spite    spits
spitz    spots    sputa    spute    sruti
state    stats    stets    stite    stith
stott    suets    suety    suite    suits
suity    sutta    swath    swati    swats
swith    swots    syftn