Java中的字符串搜索算法

Question

我正在与大量数据进行字符串匹配。

编辑：我正在将包含在一个大列表中的单词与一些本体文本文件进行匹配。 我从本体中获取每个文件，并在每个文件行的第三个String与列表中的任何单词之间搜索匹配项。

在检查我需要做的不是纯粹的匹配（结果很差）这一事实时，我犯了一个错误，但是我需要一些松散的匹配函数，当该字符串包含在另一个字符串中时，该函数也将返回结果。

我用板蓝根做到了; 速度非常快而且效果很好，但是现在我想我的工作没用了，因为trie只返回完全匹配的内容。 ：/

• 这样做的算法类型是字符串搜索算法？
• 有人可以推荐一些他有经验的Java实现吗？

该算法应该是快速的，但不是最高优先级，会牺牲速度和复杂性。

我非常感谢所有建议/示例/解释/链接！

谢谢！

Answer 1

您可能会发现后缀树很有用（它们在概念上与Tries类似）。

每个字符串都以^开头，以$结尾，并创建所有附加字符串的后缀树。 空间使用量将为O（n），可能会比您尝试使用的空间差。

如果现在需要搜索字符串s，则可以在O（| s |）时间内轻松完成，就像trie一样，获得的匹配项将是子字符串匹配项（基本上，您将匹配某个字符串的后缀）。

抱歉，我没有方便的Java实现参考。

找到了一个有用的stackoverflow答案： 通用后缀树Java实现

其中包含： http : //illya-keeplearning.blogspot.com/2009/04/suffix-trees-java-ukkonens-algorithm.html

依次具有：源代码： http : //illya.yolasite.com/resources/suffix-tree.zip

Answer 2

正则表达式绝对是您最好的选择。 它们可能有点混乱，但是它们是您可以进行较松散的匹配而又不会产生一系列令人费解的if / else或switch语句的唯一方法。

另外，它们将比其他方法快得多。

Answer 3

您可以使用BM算法在文本文件中搜索单个模式，并对列表中的所有模式重复此算法。

另一个最佳解决方案是使用多模式搜索算法，例如： Aho–Corasick字符串匹配算法

Answer 4

为什么不在Java中使用indexOf方法。 根据内存的可用性，读取内容。 做一个indexOf并获取您需要的所有行。 加载下一组内容。

如果从文件读取，请使用nio流。

可能是这个主意不好，但是我相信Java。 它将使用最佳算法。

如果使用正则表达式会更好。

Answer 5

我不确定我是否正确理解了这个问题，但听起来正则表达式可以胜任

http://java.sun.com/developer/technicalArticles/releases/1.4regex/