模式匹配算法

Question

背景

我正在设计一个将文本从一种语言转换为另一种语言的应用程序。例如，输入文本hello 将被转换为指定语言文本。这是通过对每种语言都有一个查找表来完成的。转换算法有以下步骤。

1. 寻找完全匹配。整个单词hello 将成为模式。如果找到任何匹配项，则停止处理并返回匹配项。
2. 否则从左右开始并查找每个字符，直到完成所有组合。例如：迭代 1：模式 = h，第二个 - he，第三个 - hel 等等。匹配的令牌将保存在临时缓冲区中，并在没有更多匹配项时返回。这类似于最大咀嚼规则。
3. 如果找到匹配，匹配的文本将从原始文本中删除并继续处理剩余的文本。

此算法必须多次迭代输入文本并导致二次复杂度。我试图通过在树结构中安排查找表来优化这一点（非常类似于后缀树）。如果有h、hel、lo 的查找文本，则会像这样组织

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

这将帮助我避免不必要的查找。匹配h 后，只有当h 节点有孩子时，我才需要转到下一个字符。这大大减少了迭代次数。

问题

1. 这种数据结构叫什么名字？是否有适用于 C 或 C++ 的现成实现？
2. 您认为上述算法或数据结构有什么可能的改进吗？

有什么想法吗...？

Answer 1

三元搜索树可能就是您所说的。它类似于 trie，但据我了解更节省空间。

Answer 2

查看“Trie”数据结构。

为什么不使用 Lucene 以非常快速的方式索引文本，甚至更多 - 索引包括算法

• 词干
• 保险丝匹配

等等。