巨大的字符串靜態數組

Question

將字典中有100.000個單詞的單詞存儲在靜態字符串數組中是個好主意。 我正在研究拼寫檢查器，我認為這樣會更快。

Answer 1

當然，將這么多字符串存儲為數組絕對不是一個好主意，特別是如果您將其用於拼寫檢查，這意味着您必須搜索並比較字符串。 由於它將始終是線性搜索，因此在數組中搜索或比較字符串效率低下

Answer 2

通常，對於任何不重要的事情，您都應該首選Java Collections Framework類而不是本機Java數組。 在這種特殊情況下，您擁有的是Set<String> （因為單詞在詞典中不應出現多次）。

HashSet<String>為基本操作add ， remove和contains提供恆定的時間性能，並且應與String哈希碼公式配合使用非常好。

對於較大的詞典，您想使用專門用於存儲一組字符串（例如trie ）的更復雜的數據結構，但是對於100K個單詞， HashSet應該足夠。

也可以看看

• Java教程/集合框架
• 有效的Java 2nd Edition，項目25：首選列表而不是數組

Answer 3

內存數據庫技術（例如sqlite內存）這樣的方法如何呢？這使您可以使用有效的查詢而沒有磁盤開銷

Answer 4

我認為100 000並不是很大，以至於搜索無效。 當然，這取決於...如果您要檢查數組中是否存在單詞，這會很好用-這是一種線性復雜度算法。 您可以使表格保持有序排列，以便可以使用quicksort搜索算法並使之更有效。

另一方面-如果您願意查找5個最有可能的單詞（使用N-gram方法），則應考慮使用Lucene或其他文本數據庫。

Answer 5

也許使用SQLite數據庫會更有效？ 我認為這就是firefox / thunderbird進行拼寫檢查的方法，但我不確定。

Answer 6

您將無法在靜態變量中存儲該數量的字符串。 Java對靜態代碼甚至方法主體都有大小限制。 只需使用一個平面文件並在類實例化時讀取它-Java比大多數人認為的要快。

請參見枚舉超過了靜態初始化程序的65535字節限制...最好怎么辦？ 。