如何在 Swift 或 Objective-C 中搜索多個多詞短語的字符串

Question

我想解析大量字符串以查找固定短語或名稱，然后將名稱（如果找到）存儲在順序計數的數組中。

例如，以字符串開頭，例如：

str = "The movie stars Robert Duvall and James Earl Jones and pits them against a villain played expertly by Brando in an action packed adventure."

我想搜索一系列演員：

names = [Robert Duvall, Henry Fonda, Brando, Marlon Brando, Jane Fonda, James Earl Jones, Peter Fonda, Montgomery Clift]等等，其中演員可以有一個、兩個或三個名字。

最初，我可以簡單地使用strpos檢查三元組的匹配，或者將字符串轉換為三元組，然后像 James Earl Jones 那樣在三元組上進行匹配。 然后我可以刪除他的名字並在其余部分中搜索其他雙打或單個單詞。 但是，這種方法開始很快變得非常復雜，我想知道是否沒有更優雅的方法。

//這條路看起來確實很亂……

NSArray *triples = [self getTriples:str];//get all combinations of three sequential words
NSArray *pieces = [NSMutableArray new];
NSMutableArray * matches = [NSMutableArray new];
for (long i = 0;i<[triples count];i++) {
   NSString *phrase = triples[i];
   for (long j = 0;j<[names count];j++) {
      NSString *name = names[j];
      if ([phrase caseInsensitiveCompare:name]==NSOrderedSame) {
         [matches addObject:phrase];
         //Rumps has two elements, before and after
         rumps = [str componentsSeparatedByString:phrase];
         NSString *start = rumps[0];
         NSString *end = rumps[1];
         //Search before for a name
         //search after for a name
      }
   }
}//end triples

感謝您的任何建議。

Answer 1

這是基於您的names字符串的想法。

1. 用逗號拆分names並存儲在數組中，比如a1
2. 遍歷a1並查看您的全名是否匹配
3. 如果不是，請再次循環a1並將空格拆分為a2

在這里，我對您的邏輯不是很清楚，但也許是這樣？ 現在在這個內部循環中，你循環a2

4. 如果a2具有三個元素/名稱，那么您假設不匹配？ 或者您可以檢查所有可能的組合，對於僅 3 個來說還不錯（已經檢查了 123 個，然后是 132、213、231、312、321，您就完成了 3 個名稱）。
5. 如果它有兩個元素，則僅反向檢查（21，您已經檢查了 12）。
6. 如果仍然不匹配，您可以檢查a2的各個元素是否是您想要的，因此請檢查 1、2（可能還有 3）。

您使用相應的a1元素的任何匹配項 - 這就是您想要的全名，對嗎？

您可以使用索引集並將索引設置為a1 - 您發現的防止重復的演員。

Answer 2

這是一個可能的算法草圖，不會有真正的代碼——事實上，在我寫這篇文章時，它還沒有用 Objective-C 或 Swift 編寫，它是一種可以用兩種（和其他）語言實現的算法。

在對其進行編碼時，您可能會發現算法遺漏了一些東西（即可能存在錯誤，這是直接寫到答案中的，它是一個草圖，）。 在這種情況下 go 返回並改進算法並重復。

我們的樣品名單：

詹姆斯·厄爾·瓊斯，詹姆斯，馬龍·白蘭度，厄爾·瓊斯，白蘭度，詹姆斯·厄爾

和示例文本：

詹姆斯、詹姆斯厄爾和詹姆斯厄爾瓊斯都定期見面喝咖啡

該算法基於以下觀察結果：

[注意：在描述中，我們假設文本是從左到右的，並且匹配的搜索從左到右移動。 該算法適用於從右到左的簡單調整，對於混合方向的文本，它會變得更加混亂！]

1. 匹配不能重疊。 例如，“James Earl”不是“James”和“James Earl”。 我們說匹配消耗了測試。

2. 只有作為另一個前綴的名稱需要注意，那些是 *postfixes 的不需要。例如，如果要查找“James”和“James Earl”，您必須首先查找后者以避免在“James”上找到匹配項，然后缺少“James Earl”作為“James”的匹配已經消耗了這些字符。但是“Earl Jones”和“James Earl Jones”可以同時搜索，后者將首先匹配。

3. 在不包含任何前綴的名稱集合中，它們都可以使用正則表達式同時匹配。 例如 "James Earl Jones" 和 "Earl Jones" 可以由 RE "James Earl Jones|Earl Jones" 匹配

4. 當您有前綴時，您首先搜索較長的名稱，較短名稱的匹配只能出現在較長名稱的匹配左側。

該算法使用正則表達式匹配，由NSRegularExpression & Swift 中的 NSRegularExpression 提供； 和范圍，由NSRange提供，允許搜索字符串的一部分。

大綱：

1. 給你的名字排序。 例如：

白蘭度、厄爾·瓊斯、詹姆斯、詹姆斯·厄爾、詹姆斯·厄爾·瓊斯、馬龍·白蘭度

2. 通過刪除作為緊隨其后名稱前綴的任何名稱並放入第二個列表，將您的名稱分成兩個列表。 例如

白蘭度，厄爾瓊斯，詹姆斯厄爾瓊斯，馬龍白蘭度詹姆斯，詹姆斯厄爾

3. 如果第二個列表不為空，則重復步驟 (2) 生成第三個列表，繼續重復直到沒有刪除任何前綴。 例如，我們的示例名稱產生 3 個列表：

白蘭度，厄爾瓊斯，詹姆斯厄爾瓊斯，馬龍白蘭度詹姆斯 厄爾詹姆斯

4. 使用交替將每個列表轉換為正則表達式，以生成用於搜索的正則表達式列表。 例如：

“白蘭度|厄爾瓊斯|詹姆斯厄爾瓊斯|馬龍白蘭度”，“詹姆斯厄爾”，“詹姆斯”

（此時我們意識到樣本名稱可能會更好，因為只有第一個 RE 需要交替。哦，好吧......）

現在我們准備好使用我們准備好的正則表達式來查找匹配項。

5. 將搜索范圍設置為整個文本，匹配范圍為空/無值。

6. 將當前 RE設置為第一個

7. 使用當前 RE 搜索搜索范圍內的第一個匹配項以生成匹配范圍。 如果沒有新的匹配轉到 (9)。 例如，使用我們的示例，其中匹配范圍由 [] 指示：

詹姆斯、詹姆斯·厄爾和 [詹姆斯·厄爾·瓊斯] 都定期見面喝咖啡

8. 將新的搜索范圍設置為從當前搜索范圍的開始到匹配范圍的結束，前進當前RE，轉到（6）。 例如，名字的匹配順序是：

James, James Earl 和 [James Earl Jones] 都定期見面喝咖啡 James, [James Earl] 和 James Earl Jones [James], James Earl

9. 我們現在有了我們的第一個匹配范圍，記錄它，將新的搜索范圍設置為從匹配范圍的末尾到文本的末尾，如果這個新的搜索范圍是非空的，則轉到 6。

10. 完成，我們有匹配列表。

如果您不想要實際匹配的列表，而只想要一組唯一匹配，則在 go 中累積一組匹配（例如NSMutableSet / Set ）。

玩得開心編碼（和精煉，編碼......）算法。 如果您遇到問題，請參考此問答，按原樣描述您的算法，展示您的實現，詳細說明您的問題等，毫無疑問有人會幫助您。 HTH。