给定一个字符串s和一个较小字符串数组T，如何设计一个方法来搜索T中每个小字符串的s？

Question

给定一个字符串s和一个较小字符串数组T，设计一种方法来搜索s中T中的每个小字符串。

谢谢。

Answer 1

假设你有大量较小的字符串， Rabin-Karp是在非常大的字符串中搜索多个小字符串的标准方法。 如果你只有一些较小的字符串，只需重复一个Boyer-Moore ，这可能是一个更好的选择。

Answer 2

我所知道的解决这个问题的最快方法是Aho-Corasick算法 。 对于要搜索的大字符串和大量模式，它比为每个模式应用线性时间搜索（例如KMP，Rabin-Karp，Boyer-Moore）更快。

但是你确定你需要这样的东西，你的字符串太长了，不能直接进行字符串匹配吗？

Answer 3

这听起来像一个简单的for循环：

for(string t : T)
{
    if (t.equals(s)) {
        /* do stuff with t */
    }
}

从如何使用For Each循环

Answer 4

如果不了解有关数据集的更多详细信息，则无法选择“最佳”算法。

• 这些统计上是随机的字符串吗？
• 小字符串中有很多或一点点重复吗？
• 您想优化执行速度还是低内存消耗？
• 您是否会使用相同的子字符串（T）或相同的主字符串多次执行此搜索？

没有这些信息，“最佳”解决方案是最简单的解决方案。

static IEnumerable<string> FindIn(this IEnumerable<string> T, string s) {
    return T.Where(t => s.Contains(t));
}

Answer 5

你能澄清一下吗？

**算法将强烈取决于“搜索”的含义。 **

• 你想知道T中的每个字符串是否是S的正确子字符串？ 还是任何字符串？

• 您需要是/否答案还是索引？

• 您是否关心答案是否重叠（例如“ABCDE”包含“ABC”和“CDE”，但仅在您不关心重叠时）。

一种简单的方法（假设搜索字符串都以相当不同的方式开始）是：

• 有一个“第一个字符”=> map_of_first_2_characters__to__list_of_strings的地图。

• 循环遍历S中的每个位置，在上面的地图中找到该字符作为键。

  • 该值将是另一个映射，将2个字符的字符串映射到以这2个字符开头的子字符串列表。

  • 在子图中查找字符及其右邻居，该值将是以这两个值开头的字符串列表。

  • 假设T和T中的起始字符分布相当均匀（如果它太大，仅仅通过映射3个字符来构建数据结构一层） - 我们刚刚找到了一个非常短的合理匹配列表，从当前开始位置。 字符串 - 比较它们。 标记从当前位置开始的S的子串（如果有的话）。 如果目标不是找到所有字符串的所有匹配项，则从数据结构中删除您找到的匹配项。

您可能希望阅读此内容以获取高级内容

Answer 6

让我们把它变成一个Java解决方案

boolean isSubset(String[] t, String s) {
    for (String sample: t)
        if (!sample.equals(s))
            return false;
    return true;
}

你可以使用Falaina的建议加快速度，但你真的需要吗？

Answer 7

如果你有一个指针表空间（指针大小* NumCharsInSource），你可以使用像QSort这样的东西对源中的每个字符串（字符串开头的字符串）进行排序。 然后，您可以将较小的字符串BSearch到指针表中。 假设N个字符和M个子串，排序将具有O（N lg N）性能，并且查找将具有O（M lg N）性能。 总体性能应为O（（N + M）lg N）。

但是，可能存在退化情况，其中源中的字符串是高度重复的（即100,000个a后跟ab）。 这将使排序部分的比较非常缓慢:-（为了解决这个问题，你可以特殊情况下长时间运行字符，但这会变得更加复杂。

选择的算法实际上取决于您的源数据以及您必须使用多少备用内存。