找出字符串是否包含给定数组中的任何字符串的快速算法答案

【问题标题】：Fast algorithm for finding out if a string contains any string in a given array找出字符串是否包含给定数组中的任何字符串的快速算法
【发布时间】：2010-11-18 13:37:08
【问题描述】：

我有一个大约 50 个关键字和大约 50000 个字符串的列表。我检查每个字符串是否包含至少一个关键字。我对匹配的关键字或匹配关键字的数量不感兴趣。我只想尽快返回“真”或“假”。

所以，我敢打赌，目前有一种算法优于我当前的 LINQ 版本：

class MyEnumerableExtension
{
    public static bool ContainsAny(this string searchString, IEnumerable<string> keywords)
    {
        return keywords.Any(keyword => searchString.Contains(keyword))
    }
}

bool foundAny = "abcdef".ContainsAny(new string[] { "ac", "bd", "cd" } );

【问题讨论】：

标签： c# algorithm search

【解决方案1】：

除了修改为找到匹配项后返回之外，这与您今天的其他问题Efficient algorithm for finding all keywords in a text 本质上是否相同？

【讨论】：

不，不是。我有两个不同的担忧。一种是在给定关键字列表中查找包含任何关键字的所有字符串。另一种是通过使用另一个关键字列表来标记这些找到的字符串。这些列表各不相同，用途也不同。
好的，但是两个地方的解决方案是相同的算法（在这种情况下改变为一旦找到一个匹配就返回）？
哎呀，我应该读到最后。我认为您是对的，我可以修改算法以在找到单个关键字后返回。因为我只需要构建一次关键字树，这应该是一个非常快速的解决方案。

【解决方案2】：

有multiple algorithms可以在文本中搜索一组子字符串。

【讨论】：

【解决方案3】：

你可以实现Knuth-Morris-Pratt algorithm。

【讨论】：

搜索一个词。有更好的算法来搜索任何一个集合。参见维基百科en.wikipedia.org/wiki/…

【解决方案4】：

快速分析表明您正在反复搜索关键字。如果您可以一次性搜索所有关键字，那么您的算法应该会有整体改进。 Regex 表达式可以做到这一点，并将其与“Compiled”选项结合使用，您应该会开始看到性能提升（因为它将单次传递所有关键字的字符串）。但是，只有当您有多个关键字时，它才会使您受益。这是一个可以帮助您的快速想法，但请注意，我还没有针对您的算法实际测试过性能。

        string[] keywords = { "ac", "bd", "cd" };
        string[] tosearch = { "abcdef" };
        string pattern = String.Join("|", keywords);
        Regex regex = new Regex(pattern, RegexOptions.Compiled);
        foundAny = regex.IsMatch(String.Join("|", tosearch));

另请注意，只要您的关键字不包含任何正则表达式特殊字符（并且您的搜索字符串不包含管道符号），这将起作用。但是，特殊字符可以通过转义序列来克服，并且搜索字符串不必须像我一样加入。

【讨论】：