对于任何输入字符串，我们需要以任意顺序逐字匹配查找超级字符串。即输入字符串中的所有单词必须以任何顺序出现在输出字符串中。 例如给定数据集： “字符串搜索” “java 字符串搜索” “手动 c 字符串搜索等于” “java 搜索代码” “c java代码搜索” ...
输入：“java搜索” 输出： 1）“java字符串搜索” 2）“java搜索代码” 3）“c java代码搜索”
输入：“搜索 c” 输出： 1）“手动c字符串搜索等于” 2）“c java代码搜索”
这可以通过逐字匹配以非常简单的方式完成。这里主要是我在寻找一种有效的算法。
输入：给定数据集中的数十亿条记录（主要是 1 到 10 个字长的字符串）。 我需要为数百万个字符串找到超级字符串。 注意：单词是扩展字典。
【问题讨论】：
预处理您的输入（如果可能），并索引出现在数据集中的单词。生成从每个单词到一组可能的输出字符串的映射。例如，使用数据集
0 string search
1 java string search
2 manual c string search equals
3 java search code
4 c java code search
我们得到
c {2,4}
code {3,4}
equals {2}
java {1,3,4}
...
然后，搜索给定输入的匹配项就像与输入单词对应的集合相交一样简单：
input: "java c"
output: {1,3,4} intersect {2,4} = {4}
如果您将集合存储为排序列表，则可以通过并行扫描列表在线性时间（输入集合的总长度线性）内完成交集。
【讨论】：
你基本上需要找到两组词的交集，input_words和data_words。如果交集等于 input_words，则匹配。
以下是集合交集的有效算法：Efficient list intersection algorithm
我想到的一个算法在 O(n*m) [n = size input, m = size data] 内完成。
Python：
match = True
for word in input.split():
if word in data_words.split(): # linear search comparing word to each word
continue
else:
match = False
break
对排序列表的搜索会更快，哈希查找会更多。这些在上面的链接中有详细说明。
【讨论】：