模式匹配算法

Question

背景

我正在設計一個應用程序，它將文本從一種語言轉換為另一種語言。 例如，輸入文本hello將轉換為指定的語言文本。 通過為每種語言提供查找表來完成此操作。 轉換算法具有以下步驟。

1. 尋找完全匹配。 整個單詞“ hello將是模式。 如果找到任何匹配項，請停止處理並返回匹配項。
2. 否則，從左至右開始查找每個字符，直到完成所有組合。 例如：Iteration1：pattern = h ，2nd- he ，3rd- hel等。 匹配的令牌將保留在臨時緩沖區中，並在沒有更多匹配項時返回。 這就像最大的munch規則 。
3. 如果找到匹配項，則匹配的文本將從原始文本中刪除，並繼續處理其余文本。

該算法將必須遍歷輸入文本多次，並導致二次復雜度。 我正在嘗試通過將查詢表安排在樹形結構（非常類似於后綴樹）中來對此進行優化。 如果存在用於h ， hel ， lo查找文本，則其組織方式如下

root
--h
----hel
--lo

這將幫助我避免不必要的查找。 匹配h ，僅當h節點有孩子h ，才需要轉到下一個字符。 這樣可以大大減少迭代次數。

問題

1. 這種數據結構的名稱是什么？ 是否有適用於C或C ++的現成實現？
2. 您認為上述算法或數據結構有任何可能的改進嗎？

有什么想法嗎...？

Answer 1

您正在談論的是三元搜索樹。 它類似於一個特里，但據我所知，其空間利用率更高。

Answer 2

查看“ Trie”數據結構。

為什么不使用Lucene快速索引文本，甚至更多-索引包含用於

• 詞干
• 保險絲匹配

等等。