当我们事先不知道有多少哈希集时，在 C# 中取两个以上哈希集的交集的最佳方法答案

【问题标题】：best way to take an intersection of more than two hashsets in c#, when we donot know before hand how many hashsets are there当我们事先不知道有多少哈希集时，在 C# 中取两个以上哈希集的交集的最佳方法
【发布时间】：2026-01-06 02:50:01
【问题描述】：

我正在为一些大数字制作一个布尔检索系统。文档，我在其中制作了一个哈希集字典，字典中的条目是术语，哈希集包含找到该术语的文档ID。现在，当我想搜索单个单词时，我只需输入该单词，然后我将使用查询中输入的单词索引字典并打印出相应的哈希集。但是我也想搜索句子，在这种情况下，我会将查询拆分为单个单词并按这些单词索引字典，现在取决于查询中的单词数，现在将返回许多哈希集我将想要取这些哈希集的交集，以便我可以返回文档 id，在其中我可以找到查询中的单词。我的问题是获取这些哈希集交集的最佳方法是什么？

目前我将哈希集放入一个列表中，然后我取这些 n 的交集。一次两个哈希集，然后取前两个结果的交集，然后是第三个，依此类推...

这是代码

Dictionary<string, HashSet<string>> dt = new Dictionary<string, HashSet<string>>();//assume it is filled with data...

while (true)
            {
                Console.WriteLine("\n\n\nEnter the query you want to search");
                string inp = Console.ReadLine();
                string[] words = inp.Split(new Char[] { ' ', ',', '.', ':', '?', '!', '\t' });

                List<HashSet<string>> outparr = new List<HashSet<string>>();
                foreach(string w in words)
                {
                    HashSet<string> outp = new HashSet<string>();
                    if (dt.TryGetValue(w, out outp))
                    {
                        outparr.Add(outp);
                        Console.WriteLine("Found {0} documents.", outp.Count);
                        foreach (string s in outp)
                        {
                            Console.WriteLine(s);
                        }
                    }
                }

                HashSet<string> temp = outparr.First();
                foreach(HashSet<string> hs in outparr)
                {
                    temp = new HashSet<string>(temp.Intersect(hs));
                }

                Console.WriteLine("Output After Intersection:");
                Console.WriteLine("Found {0} documents: ", temp.Count);
                foreach(string s in temp)
                {
                    Console.WriteLine(s);
                }

            }

【问题讨论】：

所以你的代码目前可以工作？那么这个问题会更适合 CodeReview.SE
如果在任何文档中都找不到任何单词，outparr.First() 会抛出异常吗？

标签： c# c#-4.0 dictionary hashset

【解决方案1】：

您使用的原理是合理的，但您可以稍微调整一下。

通过按大小对哈希集进行排序，您可以从最小的开始，这样可以最大限度地减少比较次数。

除了使用IEnumerable<>.Intersect 方法之外，您还可以在循环中执行相同的操作，但要使用您已经拥有哈希集的事实。检查哈希集中是否存在值非常快，因此您只需遍历最小集合中的项目并在下一个集合中查找匹配值，然后将它们放入新集合中。

在循环中，您可以在开始时跳过第一项。您不需要将其与自身相交。

outparr = outparr.OrderBy(o => o.Count).ToList();

HashSet<string> combined = outparr[0];
foreach(HashSet<string> hs in outparr.Skip(1)) {
  HashSet<string> temp = new HashSet<string>();
  foreach (string s in combined) {
    if (hs.Contains(s)) {
      temp.Add(s);
    }
  }
  combined = temp;
}

【讨论】：

【解决方案2】：

IntersectWith 是一个很好的方法。像这样：

            HashSet<string> res = null;
            HashSet<string> outdictinary = null;
            foreach(string w in words)
            {
                if (dt.TryGetValue(w, out outdictinary))
                {
                    if( res==null)
                        res =new HashSet( outdictinary,outdictinary.Comparer);
                    else
                    {   
                        if (res.Count==0)
                             break;
                        res.IntersectWith(outdictinary);
                    }
                }
            }
            if (res==null) res = new HashSet();
            Console.WriteLine("Output After Intersection:");
            Console.WriteLine("Found {0} documents: ", res.Count);
            foreach(string s in res)
            {
                Console.WriteLine(s);
            }

【讨论】：

从HashSet 中捕获Comparer 可能是合理的，以保持相同的相等含义：res=new HashSet(outdictinary,outdictinary.Comparer)。

【解决方案3】：

为了回答您的问题，您可能会在某一时刻找到一组包含单词 a、b 和 c 的文档，而另一组仅包含查询中的其他单词，因此交集在几次迭代后可能变为空。您可以从foreach 中检查这个和break。

现在，恕我直言，这样做没有意义，因为通常搜索结果应该包含按相关性排序的多个文件。这也会容易得多，因为您已经有了一个包含一个单词的文件列表。从为每个单词获得的哈希中，您必须计算文件 id 的出现次数，并返回按出现次数降序排列的有限数量的 id。

【讨论】：