巨大的字符串静态数组

Question

将字典中有100.000个单词的单词存储在静态字符串数组中是个好主意。 我正在研究拼写检查器，我认为这样会更快。

Answer 1

当然，将这么多字符串存储为数组绝对不是一个好主意，特别是如果您将其用于拼写检查，这意味着您必须搜索并比较字符串。 由于它将始终是线性搜索，因此在数组中搜索或比较字符串效率低下

Answer 2

通常，对于任何不重要的事情，您都应该首选Java Collections Framework类而不是本机Java数组。 在这种特殊情况下，您拥有的是Set<String> （因为单词在词典中不应出现多次）。

HashSet<String>为基本操作add ， remove和contains提供恒定的时间性能，并且应与String哈希码公式配合使用非常好。

对于较大的词典，您想使用专门用于存储一组字符串（例如trie ）的更复杂的数据结构，但是对于100K个单词， HashSet应该足够。

也可以看看

• Java教程/集合框架
• 有效的Java 2nd Edition，项目25：首选列表而不是数组

Answer 3

内存数据库技术（例如sqlite内存）这样的方法如何呢？这使您可以使用有效的查询而没有磁盘开销

Answer 4

我认为100 000并不是很大，以至于搜索无效。 当然，这取决于...如果您要检查数组中是否存在单词，这会很好用-这是一种线性复杂度算法。 您可以使表格保持有序排列，以便可以使用quicksort搜索算法并使之更有效。

另一方面-如果您愿意查找5个最有可能的单词（使用N-gram方法），则应考虑使用Lucene或其他文本数据库。

Answer 5

也许使用SQLite数据库会更有效？ 我认为这就是firefox / thunderbird进行拼写检查的方法，但我不确定。

Answer 6

您将无法在静态变量中存储该数量的字符串。 Java对静态代码甚至方法主体都有大小限制。 只需使用一个平面文件并在类实例化时读取它-Java比大多数人认为的要快。

请参见枚举超过了静态初始化程序的65535字节限制...最好怎么办？ 。