C#中的高速字符串匹配

Question

List<T> 中有大约 10,000 名员工的列表，ListBox 包含这些员工的子集，具体取决于文本框中的搜索词。

假设Staff 对象具有以下公开的属性：

string FirstName
string LastName
string MiddleName
   int StaffID
   int CostCentre

我可以写一个这样的函数：

bool staffMatchesSearch(Staff stf)
{
  if (tbSrch.Text.Trim() == string.Empty)
    return true; // No search = match always.

  string s = tbSrch.Text.Trim().ToLower();

  // Do the checks in the order most likely to return soonest:
  if (stf.LastName.ToLower().Contains(s))
    return true;
  if (stf.FirstName.ToLower().Contains(s))
    return true;
  if (stf.MiddleName.ToLower().Contains(s))
    return true;

  if (stf.CostCentre.ToString().Contains(s))
    return true; // Yes, we want partial matches on CostCentre
  if (stf.StaffID.ToString().Contains(s))
    return true; // And also on StaffID

  return false;
}

然后执行以下操作：

tbSrch_TextChanged(object sender, EventArgs e)
{
  lbStaff.BeginUpdate();
  lbStaff.Items.Clear();

  foreach (Staff stf in staff)
    if (staffMatchesSearch(stf))
      lbStaff.Items.Add(stf);

  lbStaff.EndUpdate();
}

每次用户更改tbSrch 框的内容时，都会重新评估过滤。

这行得通，而且它不是非常慢，但我想知道我是否可以让它更快？

我曾尝试将整个内容重写为多线程，但是只有 10,000 名员工，开销似乎带走了大部分好处。此外，还有许多其他错误，例如如果搜索“John”，用户首先按下“J”，它会缠绕线程，但是当用户按下“o”时，另一组在第一批之前被缠绕有机会返回他们的结果。很多时候，结果以混乱的顺序返回，并且会发生各种令人讨厌的事情。

我可以想到一些调整，可以使最好的情况明显更好，但也会使最坏的情况变得更糟。

您对如何改进有任何想法吗？

---

我已经实施的好建议及其结果：

• 在 ValueChanged 事件中添加延迟，这样如果用户在键盘上快速键入 5 个字符的名称，它只会在末尾执行 1 次搜索，而不是连续执行 5 次搜索。
• 预评估 ToLower() 并存储在 Staff 类中（作为 [NonSerialized] 属性，因此它不会占用保存文件中的额外空间）。
• 在Staff 中添加一个get 属性，它将所有搜索条件作为单个、长、小写的串联字符串返回。然后在上面运行一个Contains()。 （这个字符串存储在Staff 对象中，所以它只被构造一次。）

到目前为止，这些已将搜索时间从大约 140 毫秒降低到大约 60 毫秒（尽管这些数字非常主观，具体取决于执行的实际搜索和返回的结果数量）。

Answer 1

1) 正如 cmets 中所指出的，您可能不应该 .ToString 数字字段 - 只需匹配数字

2) ToLower 调用是性能消耗。将这些属性的小写版本添加到 Staff 类，这样 ToLower 只需执行一次

3) 当用户输入另一个字符时，您不需要重新评估所有项。输入一个字符只会减少匹配的数量，所以只需要重新评估之前的匹配。

4) 使用计时器在用户键入和开始搜索之间引入延迟。如果他们正在快速输入多个字符，您不妨等到他们暂停半秒

5) 检查按下的键。如果是 NaN 则不要检查 int 属性。

Answer 2

您可以将“SearchTerm”私有属性添加到 (FirstName + LastName + MiddleName + StaffID + CostCentre).ToLower() 的 Staff 对象，并改为检查 Contains()。这将使您不必每次都对每个字符串执行ToLower()，并将Contains() 检查的次数从5 减少到1。

Answer 3

您可以尝试实现trie 或“前缀树”：

http://en.wikipedia.org/wiki/Trie

这将允许您搜索以该值开始的文本。

我相信suffix-trees 上的链接文章将允许您进行全文搜索，尽管它具有更高的存储要求。

确保在将所有数据插入结构时ToLower，这样您在查找时就不必进行不区分大小写的比较。

Answer 4

看到您所做的事情（主要来自@mikel 的回答中的 cmets），听起来您已经到了那里。我还没有看到可以提高速度的一个建议是使用StringComparison.OrdinalIgnoreCase 进行比较。在你的情况下，这意味着替换

if (stf.LastName.ToLower().Contains(s))
  return true;

与

if (stf.LastName.IndexOf(s, StringComparison.OrdinalIgnoreCase) >= 0)
  return true;

这是MSDN link，讨论快速字符串比较。

Answer 5

using System;
using System.Text.RegularExpressions;
namespace PatternMatching1
{
    class Program
    {
        static void Main(string[] args)
        {
            try
            {
                Console.WriteLine("Please enter the first string.");
                string str = Console.ReadLine(); ;
                string replacestr = Regex.Replace(str, "[^a-zA-Z0-9_]+", " ");



                Console.WriteLine("Please enter the second string.");
                string str1 = Console.ReadLine(); ;
                string replacestr1 = Regex.Replace(str1, "[^a-zA-Z0-9_]+", " ");



                if (replacestr.Length == replacestr1.Length)
                {
                    char[] cFirst = replacestr.ToLower().ToCharArray();
                    char[] cSecond = replacestr1.ToLower().ToCharArray();

                    Array.Sort<char>(cFirst);
                    Array.Sort<char>(cSecond);

                    if ((new string(cFirst)).Equals((new string(cSecond))))
                        Console.WriteLine("Both String Same");
                    else
                        Console.WriteLine("Both String Not Same");
                }
                else
                    Console.WriteLine("oopsss, something going wrong !!!! try again");
            }
            catch (Exception ex)
            {
                Console.WriteLine(ex.Message);
            }
            Console.Read();
        }
    }
}

`